Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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