傳染病是由各種病原體引起的能在人與人、動(dòng)物與動(dòng)物或人與動(dòng)物之間相互傳播的一類疾病。對(duì)傳染病進(jìn)行有效防控是十分重要的,否則可在短時(shí)間內(nèi)導(dǎo)致群體性發(fā)病,影響人們的健康與日常生活。而且對(duì)于快速傳播的高致病性傳染病,僅靠疾病預(yù)防和控制中心人工地發(fā)現(xiàn)和統(tǒng)計(jì)傳染病信息的后果將是致命的。因此,設(shè)計(jì)能夠精確預(yù)測(cè)傳染病信息的模型對(duì)防病、治病與衛(wèi)生決策有著重大意義。本文針對(duì)廈門市手足口病發(fā)病人數(shù)預(yù)測(cè)問題,從時(shí)序預(yù)測(cè)的角度出發(fā),重點(diǎn)研究了基于深度學(xué)習(xí)的傳染病預(yù)測(cè)模型。主要研究工作如下:1、針對(duì)不同歷史時(shí)間的預(yù)測(cè)變量對(duì)未來(lái)傳染病發(fā)病人數(shù)預(yù)測(cè)的重要性不同這一特點(diǎn),本研究提出了基于注意力機(jī)制的傳染病預(yù)測(cè)模型。模型采用引入了注意力機(jī)制的編碼-解碼結(jié)構(gòu),模型中的編碼器和解碼器均為循環(huán)神經(jīng)網(wǎng)絡(luò)。在基于注意力機(jī)制的傳染病預(yù)測(cè)模型中,編碼器中不同時(shí)間節(jié)點(diǎn)的輸入直接參與計(jì)算該節(jié)點(diǎn)所對(duì)應(yīng)隱藏狀態(tài)的注意力權(quán)重,編碼器中隱藏狀態(tài)的加權(quán)和作為聯(lián)系編碼器和解碼器的中間向量,從而實(shí)現(xiàn)模型對(duì)有助于提高預(yù)測(cè)精度的歷史信息的關(guān)注。實(shí)驗(yàn)結(jié)果顯示,相對(duì)于LSTM、ARMA等基線模型,基于注意力機(jī)制的傳染病預(yù)測(cè)模型進(jìn)一步提高了傳染病發(fā)病人數(shù)的預(yù)測(cè)精...

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1中國(guó)2020年1月21日—2020年3月31日新型冠狀病毒累計(jì)確診病例隨著大數(shù)據(jù)時(shí)代的到來(lái)和人工智能領(lǐng)域的發(fā)展，各種傳染病預(yù)測(cè)智能模型運(yùn)用而生，

集美大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的傳染病預(yù)測(cè)技術(shù)研究1第1章引言1.1研究背景和意義在人類社會(huì)發(fā)展進(jìn)程中，傳染病一直以來(lái)都是人類所面對(duì)的一大難題，盡管近幾十年世界衛(wèi)生狀況有所改善，但傳染病依然是世界范圍內(nèi)的重要死亡原因，是造成人類苦難和經(jīng)濟(jì)損失不可忽視的原因。比如，2019年的新....

圖2-1ARMA建模流程圖

集美大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的傳染病預(yù)測(cè)技術(shù)研究6圖2-1ARMA建模流程圖(1)直接使用非平穩(wěn)序列進(jìn)行建模，容易出現(xiàn)偽回歸現(xiàn)象，偽回歸不能看作對(duì)序列內(nèi)在規(guī)律的掌握，而是數(shù)據(jù)恰巧擬合模型。一般使用AugmentedDickey-Fuller單位根檢驗(yàn)（ADF）來(lái)判斷時(shí)間序列}....

圖2-2單層RNN結(jié)構(gòu)圖

?甘芄刈ⅲ?彩?近年來(lái)自然語(yǔ)言處理(NLP)研究的熱點(diǎn)。RNN網(wǎng)絡(luò)的隱藏層神經(jīng)元之間是有連接的，神經(jīng)元不僅可以接收到當(dāng)前時(shí)間節(jié)點(diǎn)的輸入信息，而且還接收上一時(shí)間節(jié)點(diǎn)神經(jīng)元的輸出信息，這意味著RNN網(wǎng)絡(luò)中歷史時(shí)間節(jié)點(diǎn)輸出的信息能夠?qū)Ξ?dāng)前時(shí)間點(diǎn)的輸出產(chǎn)生影響[43],當(dāng)前時(shí)間節(jié)點(diǎn)神經(jīng)元....

圖2-4RNN中重復(fù)模塊的鏈?zhǔn)叫问?br>
集美大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的傳染病預(yù)測(cè)技術(shù)研究10序列學(xué)習(xí)中[48-50]。圖2-4RNN中重復(fù)模塊的鏈?zhǔn)叫问絃STM網(wǎng)絡(luò)中的隱藏層單元（下文簡(jiǎn)稱為“LSTM單元”）主要由單元狀態(tài)、輸入門、輸出門、隱藏狀態(tài)和遺忘門五部分組成。圖2-5顯示了LSTM網(wǎng)絡(luò)結(jié)構(gòu)圖，輸入門和輸出門....

本文編號(hào)：3928538