Buchumschlag

Cross-Country Learning for National Infectious Disease Forecasting Using European Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Komodromos, Zacharias, Malialis, Kleanthis, Kontou, Artemis, Kolios, Panayiotis
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Populations and Evolution Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating Forecasting Models for Pandemic Infections Using Heterogeneous Data Sources: A 2-year Study with COVID-19
von: Komodromos, Zacharias, et al.
Veröffentlicht: (2025)

Pandemic infection forecasting through compartmental model and learning-based approaches
von: Karapitta, Marianna, et al.
Veröffentlicht: (2024)

IDOBE: Infectious Disease Outbreak forecasting Benchmark Ecosystem
von: Adiga, Aniruddha, et al.
Veröffentlicht: (2026)

Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review
von: Melchane, Selestine, et al.
Veröffentlicht: (2024)

A Novel end-to-end Digital Health System Using Deep Learning-based ECG Analysis
von: Kontou, Artemis, et al.
Veröffentlicht: (2026)

Disease Outbreak Detection and Forecasting: A Review of Methods and Data Sources
von: Babanejaddehaki, Ghazaleh, et al.
Veröffentlicht: (2024)

The land use-climate change-biodiversity nexus in European islands stakeholders
von: Moustakas, Aristides, et al.
Veröffentlicht: (2025)

Forecasting infectious disease prevalence with associated uncertainty using neural networks
von: Morris, Michael
Veröffentlicht: (2024)

Solving the Tree Containment Problem Using Graph Neural Networks
von: Dushatskiy, Arkadiy, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Control of Non-Markovian Cellular Population Dynamics
von: Kratz, Josiah C., et al.
Veröffentlicht: (2024)

Unsupervised Learning of Phylogenetic Trees via Split-Weight Embedding
von: Kong, Yibo, et al.
Veröffentlicht: (2023)

PhyloVAE: Unsupervised Learning of Phylogenetic Trees via Variational Autoencoders
von: Xie, Tianyu, et al.
Veröffentlicht: (2025)

An Ecologically-Informed Deep Learning Framework for Interpretable and Validatable Habitat Mapping
von: Benavides-Martínez, Iván Felipe, et al.
Veröffentlicht: (2025)

Exploring the Dynamics of Lotka-Volterra Systems: Efficiency, Extinction Order, and Predictive Machine Learning
von: Vafaie, Sepideh, et al.
Veröffentlicht: (2024)

Integrating Agent-Based and Compartmental Models for Infectious Disease Modeling: A Novel Hybrid Approach
von: Bostanci, Inan, et al.
Veröffentlicht: (2024)

Forecasting West Nile Virus with Graph Neural Networks: Harnessing Spatial Dependence in Irregularly Sampled Geospatial Data
von: Tonks, Adam, et al.
Veröffentlicht: (2022)

Conditionally Site-Independent Neural Evolution of Antibody Sequences
von: Lu, Stephen Zhewen, et al.
Veröffentlicht: (2026)

Generative diffusion models for spatiotemporal influenza forecasting
von: Lemaitre, Joseph, et al.
Veröffentlicht: (2026)

abx_amr_simulator: A simulation environment for antibiotic prescribing policy optimization under antimicrobial resistance
von: Lee, Joyce, et al.
Veröffentlicht: (2026)

Geometric framework for biological evolution
von: Vanchurin, Vitaly
Veröffentlicht: (2026)

Phylogenetic Tree Inference with Tropical Axial Attention
von: Teska, Chris, et al.
Veröffentlicht: (2026)

Spatio-temporal stochastic graph-based learning for infectious disease forecasting
von: Valenzuela, Luz Stefani Sotomayor, et al.
Veröffentlicht: (2026)

On the Approximation of Phylogenetic Distance Functions by Artificial Neural Networks
von: Rosenzweig, Benjamin K., et al.
Veröffentlicht: (2025)

A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania
von: Stochiţoiu, Radu D., et al.
Veröffentlicht: (2020)

Circuit design in biology and machine learning. II. Anomaly detection
von: Frank, Steven A.
Veröffentlicht: (2024)

Leaping through tree space: continuous phylogenetic inference for rooted and unrooted trees
von: Penn, Matthew J, et al.
Veröffentlicht: (2023)

Contrastive losses as generalized models of global epistasis
von: Brookes, David H., et al.
Veröffentlicht: (2023)

Adapting Physics-Informed Neural Networks to Improve ODE Optimization in Mosquito Population Dynamics
von: Cuong, Dinh Viet, et al.
Veröffentlicht: (2024)

PhyloGFN: Phylogenetic inference with generative flow networks
von: Zhou, Mingyang, et al.
Veröffentlicht: (2023)

Nested Inheritance Dynamics
von: Moraffah, Bahman
Veröffentlicht: (2024)

Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees
von: Carvallo, Ciro, et al.
Veröffentlicht: (2024)

Meta-autoencoders: An approach to discovery and representation of relationships between dynamically evolving classes
von: Marron, Assaf, et al.
Veröffentlicht: (2025)

Training Flexible Models of Genetic Variant Effects from Functional Annotations using Accelerated Linear Algebra
von: Amin, Alan N., et al.
Veröffentlicht: (2025)

The Price equation reveals a universal force-metric-bias law of algorithmic learning and natural selection
von: Frank, Steven A.
Veröffentlicht: (2025)

Emergenet: A Digital Twin of Sequence Evolution for Scalable Emergence Risk Assessment of Animal Influenza A Strains
von: Wu, Kevin Yuanbo, et al.
Veröffentlicht: (2024)

Plant species richness prediction from DESIS hyperspectral data: A comparison study on feature extraction procedures and regression models
von: Guo, Yiqing, et al.
Veröffentlicht: (2023)

Fused Lasso Improves Accuracy of Co-occurrence Network Inference in Grouped Samples
von: Agyapong, Daniel, et al.
Veröffentlicht: (2025)

Deep Generative Models of Evolution: SNP-level Population Adaptation by Genomic Linkage Incorporation
von: Siekiera, Julia, et al.
Veröffentlicht: (2025)

Decoding Positive Selection in Mycobacterium tuberculosis with Phylogeny-Guided Graph Attention Models
von: Wang, Linfeng, et al.
Veröffentlicht: (2025)

FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems
von: Luo, Shiyuan, et al.
Veröffentlicht: (2023)