Extreme Learning Machine Algorithms for Prediction of Positive Rate in Covid-19: A Comparative Study

Salih Berkan Aydemir; Funda Kutlu Onay

Makale detayları

Extreme Learning Machine Algorithms for Prediction of Positive Rate in Covid-19: A Comparative Study

Yazarlar:

Salih Berkan Aydemir | Funda Kutlu Onay

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 1, pp.170-188

Belge Tipi:

Makale

Yayın Tarihi:

1/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001282906

pISSN:

2148-2446

Anahtar kelimeler:

Özet:

 Various pandemics have been recorded in world history until today. The Covid-19 outbreak, which emerged at the end of 2019, has recently been a hot topic in the literature. In this work, extreme learning algorithms are presented as a comparative study for predicting the positive rate for the countries: India, Turkey, Italy, USA and UK. The features to be used in the learning phase are determined with the F-test feature selection method. For each extreme learning approach, results are obtained for each country with the root mean square error evaluation criteria. Accordingly, the radial basis kernel function produces the best estimation results, while the linear kernel function has the highest RMSE. Accordingly, the lowest RMSE value has been obtained for India as 4.17E-03 with the radial basis kernel function based ELM. Also, since Turkeys data contains too many outliers, it has the highest RMSE value 0.015 - 0.035 in linear kernel method among the countries.

 Various pandemics have been recorded in world history until today. The Covid-19 outbreak, which emerged at the end of 2019, has recently been a hot topic in the literature. In this work, extreme learning algorithms are presented as a comparative study for predicting the positive rate for the countries: India, Turkey, Italy, USA and UK. The features to be used in the learning phase are determined with the F-test feature selection method. For each extreme learning approach, results are obtained for each country with the root mean square error evaluation criteria. Accordingly, the radial basis kernel function produces the best estimation results, while the linear kernel function has the highest RMSE. Accordingly, the lowest RMSE value has been obtained for India as 4.17E-03 with the radial basis kernel function based ELM. Also, since Turkeys data contains too many outliers, it has the highest RMSE value 0.015 - 0.035 in linear kernel method among the countries.

 Various pandemics have been recorded in world history until today. The Covid-19 outbreak, which emerged at the end of 2019, has recently been a hot topic in the literature. In this work, extreme learning algorithms are presented as a comparative study for predicting the positive rate for the countries: India, Turkey, Italy, USA and UK. The features to be used in the learning phase are determined with the F-test feature selection method. For each extreme learning approach, results are obtained for each country with the root mean square error evaluation criteria. Accordingly, the radial basis kernel function produces the best estimation results, while the linear kernel function has the highest RMSE. Accordingly, the lowest RMSE value has been obtained for India as 4.17E-03 with the radial basis kernel function based ELM. Also, since Turkeys data contains too many outliers, it has the highest RMSE value 0.015 - 0.035 in linear kernel method among the countries.

 Dünya tarihinde bugüne kadar çeşitli pandemiler meydana gelmiştir. 2019 yılının sonunda ortaya çıkan Covid-19 salgını son zamanlarda literatürde güncel bir konu haline geldi. Bu çalışmada, aşırı öğrenme algoritmaları, en fazla pozitif vakaların görüldüğü ülkeler olan Hindistan, Türkiye, İtalya, ABD ve İngiltere için pozitif oranı tahmin etmeye yönelik karşılaştırmalı bir çalışma olarak sunulmaktadır. F-testi öznitelik seçme yöntemi ile öğrenme aşamasında kullanılacak öznitelikler belirlenir. Her bir aşırı öğrenme yaklaşımı ve her bir ülke için hata ortalama karekökü değerlendirme kriterleri ile sonuçlar elde edilir. Buna göre, radyal tabanlı çekirdek fonksiyonu en iyi tahmin sonuçlarını üretirken, doğrusal çekirdek fonksiyonu en yüksek RMSEye sahiptir. Buna göre Hindistan için en düşük RMSE değeri radyal tabanlı çekirdek fonksiyonu tabanlı ELM ile 4.17E-03 olarak elde edilmiştir. Ayrıca Türkiye verileri çok fazla aykırı değer içerdiğinden doğrusal çekirdek yönteminde ülkeler arasında en yüksek RMSE değerine 0.015 - 0.035 sahiptir.

Makale detayları

Extreme Learning Machine Algorithms for Prediction of Positive Rate in Covid-19: A Comparative Study

Yazarlar:

Salih Berkan Aydemir | Funda Kutlu Onay

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 1, pp.170-188

Belge Tipi:

Makale

Yayın Tarihi:

1/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001282906

pISSN:

2148-2446

Extreme Learning Machines

Prediction

Feature Selection

Aşırı Öğrenme Makinaları

Covid-19

Tahmin

Öznitelik Seçimi

Aşırı Öğrenme Makinaları

Covid-19

Tahmin

Öznitelik Seçimi

Sayı

Makale detayları

Yazarlar: Salih Berkan Aydemir | Funda Kutlu Onay

Yayıncı: Duzce University

Ana Başlıklar: Mühendislik

Dergi: Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 1, pp.170-188

Belge Tipi: Makale

Yayın Tarihi: 1/2023

Belge Dili: İngilizce

Document ID (Org No.): 2001282906

pISSN: 2148-2446

Sayı

Yazarlar:

Salih Berkan Aydemir | Funda Kutlu Onay

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 1, pp.170-188

Belge Tipi:

Makale

Yayın Tarihi:

1/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001282906

pISSN:

2148-2446