TY -的A2 -马卡洛夫,博季诺夫盟——汽车,兹拉坦AU - BaressiŠegota,桑迪。非盟- Anđelić尼古拉盟——Lorencin伊凡盟——Mrzljak Vedran PY - 2020 DA - 2020/05/29 TI -建模COVID-19感染的传播使用多层感知器SP - 5714714六世- 2020 AB -冠状病毒(COVID-19)是一种传染性很强的疾病,已经引起全世界的关注。建模这样的疾病可以预测其影响是极其重要的。虽然经典,统计、建模可以提供满意的模型,也无法理解错综复杂中包含的数据。在本文中,作者使用一个公开的数据集,包含信息感染,恢复,并于406年去世的病人位置在51天(2020年1月22日到2020年3月12日)。这个数据集,时间序列数据集,数据集转换为回归和用于训练多层感知器(MLP)人工神经网络(ANN)。训练的目的是实现最大的全球模型在所有位置的患者数量在每一个时间单元。Hyperparameters中长期规划的使用网格搜索算法多种多样,共有5376 hyperparameter组合。使用这些组合,共有48384个人工神经网络训练(16128为每个病人group-deceased、恢复和感染),和每个模型评估使用确定系数( R 2 )。用5倍交叉验证使用K-fold执行算法。最好的模型实现了由4个隐藏层神经元4在每一层,并使用ReLU激活函数, R 2 得分0.98599的确认,为已故的0.99429,0.97941,病人恢复模型。当执行交叉验证,证实这些分数降至0.94,0.781恢复,0.986,死去的病人模型,显示高死亡病人模型的鲁棒性,为证实良好的鲁棒性,较低的病人恢复模型的鲁棒性。SN - 1748 - 670 - 2020/5714714 / 10.1155 x你——https://doi.org/10.1155/2020/5714714——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER