E-GCS: Detection of COVID-19 through classification by attention bottleneck residual network

Ahila, T.; Subhajini, A C

doi:10.1016/j.engappai.2022.105398

Cited by 7 publications

(1 citation statement)

References 62 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Nesse sentido, vários esforc ¸os contra os efeitos diretos e colaterais do SARS-Cov-2 (como o fator de protec ¸ão e a caracterizac ¸ão da durac ¸ão da imunidade) continuam mesmo depois do início da pandemia [18], [19]. Nesse cenário, prever a dinâmica de uma pandemia é essencial para subsidiar ac ¸ões estratégicas para servic ¸os de saúde e economia [9], [20], [21].…”

Section: Introduc ¸ãOunclassified

Um Modelo Profundo Crescente para Previsão de óbitos por COVID-19 no Brasil

Araújo,

Brito,

Mghazli

et al. 2024

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

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 saúde em todo o mundo devido a alta demanda de internações em unidades de terapia intensiva. Nesse cenário, 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 óbitos 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 clássicos e recentes de aprendizado de máquina apresentados na literatura para estimar a dinâmica da pandemia de COVID-19 no Brasil.

show abstract