BriefGPT - AI 论文速递
·
多阶段物理知识嵌入神经网络用于疫情预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
EINNs框架结合机械模型与人工智能，通过异构信息进行流行病预测。利用物理-信息神经网络学习流行病动态，并将知识转移至另一个网络，在COVID-19和流感预测中表现出显著优势。
🎯
关键要点
- EINNs框架结合机械模型与人工智能，用于流行病预测。
- 该框架利用物理-信息神经网络学习流行病动态。
- 知识可以从一个网络转移到另一个网络，以提高预测能力。
- EINNs在COVID-19和流感预测中表现出显著优势。
- 实验结果显示该方法在所有美国州和HHS地区的有效性。
➡️
