Epidemic dynamics via wavelet theory and machine learning with applications to Covid-19
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985840%3A_____%2F20%3A00536558" target="_blank" >RIV/67985840:_____/20:00536558 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.3390/biology9120477" target="_blank" >https://doi.org/10.3390/biology9120477</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.3390/biology9120477" target="_blank" >10.3390/biology9120477</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Epidemic dynamics via wavelet theory and machine learning with applications to Covid-19
Popis výsledku v původním jazyce
We introduce the concept of epidemic-fitted wavelets which comprise, in particular, as special cases the number I(t) of infectious individuals at time t in classical SIR models and their derivatives. We present a novel method for modelling epidemic dynamics by a model selection method using wavelet theory and, for its applications, machine learning-based curve fitting techniques. Our universal models are functions that are finite linear combinations of epidemic-fitted wavelets. We apply our method by modelling and forecasting, based on the Johns Hopkins University dataset, the spread of the current Covid-19 (SARS-CoV-2) epidemic in France, Germany, Italy and the Czech Republic, as well as in the US federal states New York and Florida.
Název v anglickém jazyce
Epidemic dynamics via wavelet theory and machine learning with applications to Covid-19
Popis výsledku anglicky
We introduce the concept of epidemic-fitted wavelets which comprise, in particular, as special cases the number I(t) of infectious individuals at time t in classical SIR models and their derivatives. We present a novel method for modelling epidemic dynamics by a model selection method using wavelet theory and, for its applications, machine learning-based curve fitting techniques. Our universal models are functions that are finite linear combinations of epidemic-fitted wavelets. We apply our method by modelling and forecasting, based on the Johns Hopkins University dataset, the spread of the current Covid-19 (SARS-CoV-2) epidemic in France, Germany, Italy and the Czech Republic, as well as in the US federal states New York and Florida.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10101 - Pure mathematics
Návaznosti výsledku
Projekt
<a href="/cs/project/GC18-01953J" target="_blank" >GC18-01953J: Geometrické metody ve statistické teorie učení a aplikace</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
BIOLOGY-BASEL
ISSN
2079-7737
e-ISSN
—
Svazek periodika
9
Číslo periodika v rámci svazku
12
Stát vydavatele periodika
CH - Švýcarská konfederace
Počet stran výsledku
21
Strana od-do
477
Kód UT WoS článku
000601813500001
EID výsledku v databázi Scopus
2-s2.0-85098171869