52、基于非线性自回归外生人工神经网络算法的COVID - 19预测及图像相似度检测

基于非线性自回归外生人工神经网络算法的COVID - 19预测及图像相似度检测

一、COVID - 19预测

在抗击COVID - 19疫情的过程中，准确预测疫情的发展和传播对于政府制定应急管理措施至关重要。印度是受疫情影响较严重的国家之一，其中泰米尔纳德邦的确诊病例数在印度位居第二，但死亡率相对较低。为了应对疫情，研究人员提出了使用非线性自回归外生（NARX）人工神经网络（ANN）来预测泰米尔纳德邦的COVID - 19确诊病例、出院人数和死亡人数。

（一）相关模型介绍

1. 前馈神经网络（FFNN）
   • 在FFNN中，信号以加权形式传递到输入层和输出层之间的隐藏层。使用非线性激活函数（如Sigmoid、正切或ReLU）处理隐藏层的信号，同样，隐藏层的加权信号传递到输出层并通过激活函数处理。
   • 其数学方程为：$y_i = f\left(\sum_{j = 1}^{n}x_jw_{ij}\right)$，其中$f$是激活函数，$i$是神经元的索引，$j$是输入索引，$x_j$是输入向量，$w_{ij}$是权重向量，$y_i$是输出向量。
2. 级联前馈神经网络（CFNN）
   • CFNN与FFNN类似，但它包含一个连接输入层和每个前一层到后续层的链接。这种连接通过激活函数是非线性的，且是间接的。当感知器和多层网络在输入层和输出层之间组合时，形成具有直接连接的神经网络，这种网络配置称为级联前馈神经网络。
   • 其数学方程为：$y = \sum_{i