计算和数学方法在医学

研究文章

在伊朗COVID-19:预测流行使用深度学习

表4

比较的性能在测试阶段选择九个国家。


模型	BI	迪	滞后	日军		RMSE	NRMSE

射频				2.069	0.980306	2823年	0.001057
				2.557	0.979987	3012年	0.001128
				2.580	0.979985	4620年	0.00173
中长期规划				0.337	0.999989	1059年	0.000397
				1.686	0.980184	4634年	0.001735
				0.786	0.989893	3046年	0.001141
LSTM-R				2.030	0.980005	4963年	0.0018658
				1.941	0.980102	4702年	0.001761
				1.536	0.986131	4369年	0.001636
LSTM-E				0.547	0.989981	1784年	0.000668
				0.853	0.989634	2921年	0.001093
				0.624	0.989972	1991年	0.000745
M-LSTM				0.302	0.999991	1000年	0.000374
				0.132	0.999997	621年	0.000232
				0.073	0.999999	210年	0.0000786

只代表案例作为输入,并恢复显示了确诊病例和死亡和恢复情况。BI:基本信息;迪:详细的信息。性能评估恢复情况下作为输出。