Título: Um Modelo Profundo Crescente para Previsão de óbitos por COVID-19 no Brasil
Autores: Ricardo de A. Araujo, Eliseu C. de Brito, Ya-Sin B. Mghazli, Sergio Soares e Jose M. de Seixas
Resumo: A doença do coronavírus 2019 (COVID-19) foi declarada pela Organização Mundial da Saúde (OMS) como uma pandemia sem precedentes, tendo sobrecarregado os sistemas de saude em todo o mundo devido a alta demanda de internações em unidades de terapia intensiva. Nesse cenario, entender a dinâmica da pandemia e essencial para orientar a estratégia para lidar simultaneamente com o aumento da demanda por apoio a saúde e os efeitos diretos e colaterais na economia. Neste trabalho é apresentado um estudo empírico sobre a serie temporal de obitos por COVID-19 no Brasil e, baseado neste estudo, propomos um modelo de dilatação-erosão profunda, projetado por um processo de aprendizado baseado em gradiente descendente, capaz de prever esse tipo particular de serie temporal. Os resultados obtidos mostram que o modelo proposto supera modelos classicos e recentes de aprendizado de máquina apresentados na literatura para estimar a dinamica da pandemia de COVID-19 no Brasil.
Palavras-chave: Rede Neural Profunda, Operador de DilataçãoErosão, Aprendizagem baseada em Gradiente Descendente, Previsão de Séries Temporais, COVID-19.
Páginas: 8
Código DOI: 10.21528/CBIC2023-138
Artigo em pdf: CBIC_2023_paper138.pdf
Arquivo BibTeX: CBIC_2023_138.bib