Uma aplicação do Perceptron para previsão de mortalidade da COVID-19

João P. M. Terra, Fabiano S. Oliveira, Luerbio Faria

Resumo


COVID-19 é uma doença causada pelo vírus coronavirus SARS-CoV-2, o qual é altamente contagioso. O primeiro caso oficial de COVID-19 surgiu em dezembro de 2019 em Wuhan, China, tendo assolado o mundo com mais de 6.130.000 de fatalidades até o momento. [...]


Texto completo:

PDF

Referências


Pedro Henrique Borghi, Oleksandr Zakordonets e João Paulo Teixeira. “A COVID-19 time series forecasting model based on MLP ANN”. Em: Procedia Computer Science 181 (2021), pp. 940–947.

Luerbio Faria et al. Ciência de dados: algoritmos e aplicações. pt. 1ª ed. Vol. 5. 33º Colóquio Brasileiro de Matemática. Course of the 33º CBM, Aug 02–06, 2021. Rio de Janeiro: Editora do IMPA, 2021, p. 276.

Stephen I. Gallant. “Perceptron Learning and the Pocket Algorithm”. Em: Neural Network Learning and Expert Systems. 1993, pp. 63–94. [4] Khadijeh Moulaei et al. “Comparing machine learning algorithms for predicting COVID-19 mortality”. Em: BMC medical informatics and decision making 22.1 (2022), pp. 1–12.


Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato