Publication

Learning from the past: A short term forecast method for the COVID-19 incidence curve

Jean-David Horacio Morel
2023
Journal Articles

Résumé

Author summaryForecasting the short time evolution of the COVID-19 daily incidence is a key issue in the epidemic decision making policy. We propose a machine learning method which forecasts the future values of the daily incidence trend based on the evolution of other incidence trend curves that were similar to the current one in the past. Using comparison performed by the European Covid-19 Forecast Hub with the current state of the art forecast methods, we verify that the proposed global learning method, EpiLearn compares favorably to methods that forecast from a single past curve.

Source officielle

https://infoscience.epfl.ch/entities/publication/690aa03b-5dec-4acc-9b5b-94d19dcb09ac

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Learning from the past: A short term forecast method for the COVID-19 incidence curve

Chattez avec Graph Search

Parsimonious Online Learning with Kernels and Random Features with Applications to Stochastic Optimal Control

ChromatinHD connects single-cell DNA accessibility and conformation to gene expression through scale-adaptive machine learning

Robust Classification Using Contractive Hamiltonian Neural ODEs