TY -的A2 Blyuss康斯坦丁盟——Kafieh Rahele AU -阿里乌斯派信徒,罗亚盟——Saeedizadeh娜戈盟——Amini Zahra盟——Serej Nasim Dadashi盟——Minaee Shervin AU - Yadav,苏尼尔·库马尔盟——Vaezi Atefeh AU -雷,尼玛AU - Haghjooy Javanmard, Shaghayegh PY - 2021 DA - 2021/02/26 TI - COVID-19在伊朗:预测流行使用深度学习SP - 6927985六世- 2021 AB - COVID-19导致大流行,影响几乎所有国家几个月。在这项工作中,我们选定的深度学习包括多层感知器模型,应用随机森林,和不同版本的短期记忆(LSTM),使用三个数据源训练模型,包括COVID-19事件,基本信息编码的国家名称,和详细的信息,如人口、不同国家和地区。 主要目标是预测疫情在9个国家(伊朗,德国、意大利、日本、韩国、瑞士、西班牙、中国和美国)。测量模型的性能使用四个指标,包括平均平均百分比误差(日军),均方根误差(RMSE),归一化均方根误差(NRMSE) R 2 。最佳的性能被发现LSTM的修改版本,叫做M-LSTM(赢家模型),预测未来轨迹提到国家的大流行。为此,我们收集的数据从1月22日到7月30日,2020年,培训,从2020年8月1日到2020年8月31日,测试阶段。通过实验结果,获胜者模型实现合理准确的预测(日军,RMSE NRMSE, R 2 是0.509,458.12,0.001624和0.99997,分别)。此外,我们停止模型的培训日期相关的一些主要国家的行为调查的影响国家行为预测模型。SN - 1748 - 670 - 2021/6927985 / 10.1155 x你——https://doi.org/10.1155/2021/6927985——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER