基于图神经网络与迁移学习的流行病例数预测OA北大核心CSTPCD
预测流行病的病例数对研究流行病学和保障卫生安全至关重要,但现有的研究工作很少考虑到实时移动性数据等因素,这一问题给病例数的预测研究带来了挑战。因此,在图神经网络GNN的基础上提出一种新型计算框架-信息聚合网络IAN,既考虑地区病例数据特征,也考虑地区之间的人口移动性数据特征。为了优化各个国家的前期预测模型,在该框架的基础上加入迁移学习方法TL。在四个欧洲国家数据集上的实验结果表明,IAN以及IAN-TL明显优于传统方法,能够有效地降低预测误差。
王政凯;张维玉;孙旭
齐鲁工业大学(山东省科学院)计算机科学与技术学院,山东济南250353齐鲁工业大学(山东省科学院)计算机科学与技术学院,山东济南250353齐鲁工业大学(山东省科学院)计算机科学与技术学院,山东济南250353
计算机与自动化
病例数预测移动性数据图神经网络信息聚合网络迁移学习
《计算机应用与软件》 2024 (9)
P.54-60,69,8
国家重点研发计划项目(2018YFC0831704)国家自然科学基金项目(61806105)山东省自然科学基金项目(ZR2017MF056)。