| 标题 |
  Comparative analysis of Gated Recurrent Units (GRU), long Short-Term memory (LSTM) cells, autoregressive Integrated moving average (ARIMA), seasonal autoregressive Integrated moving average (SARIMA) for forecasting COVID-19 trends 预测COVID-19趋势的门控循环单位(GRU)、长短期记忆(LSTM)细胞、自回归积分移动平均(ARIMA)、季节性自回归积分移动平均(SARIMA)的比较分析
相关领域
自回归积分移动平均
自回归模型
2019年冠状病毒病（COVID-19）
期限（时间）
短时记忆
计算机科学
时间序列
星型
计量经济学
人工智能
人工神经网络
机器学习
数学
循环神经网络
医学
疾病
量子力学
病理
物理
传染病（医学专业）
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Alexandria Engineering Journal 作者：K.E. ArunKumar; Dinesh V. Kalaga; Ch. Mohan Sai Kumar; Masahiro Kawaji; Timothy M. Brenza 出版日期：2022-01-06 |
| 求助人 | |
| 下载 | |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
cdercder
渡人舟
Kao
Criminology34
OK
奔跑
heekkll
GingerF
无极微光
paudy
6666
wwww
挖掘机
YifanWang
Essence
大气山兰
unnn
是虚空啊
zzhc
初景
皖公网安备34019202002308
