Título: Predição de séries temporais da COVID19: uma avaliação de redes neurais com células LSTM
Autores: Saulo Leite, Roberto Limão and Lídio Campos.
Resumo:
Neste trabalho será discutido como foi desenvolvido um modelo de Redes Neurais LSTM, para predição de séries temporais de casos confirmados e mortes, por COVID-19, com a biblioteca de Deep Learning Keras. A COVID-19 é a doença causada pelo coronavírus denominado SARS-CoV-2, que tem acarretado num grande número de infectados em nível global. Como se fez necessário o uso de dados fidedignos, a base de dados utilizada para o desenvolvimento desse trabalho, é de domínio público e foi cedida pela Universidade Johns Hopkins. Os dados de casos confirmados e mortes do Brasil, Índia e EUA foram comparados e selecionados para realização de predições. As redes neurais Long Short-Term Memory são capazes de aprender longas sequências de observações para, deste modo, realizarem previsões. Assim sendo, o modelo construído obteve bons resultados para a predição de dados referentes a casos confirmados e mortes da pandemia de COVID19.
Palavras-chave:
COVID-19., Deep Learning., Keras., LSTM..
Páginas: 7
Código DOI: 10.21528/CBIC2021-72
Artigo em pdf: CBIC_2021_paper_72.pdf
Arquivo BibTeX: CBIC_2021_72.bib