@PHDTHESIS{ 2024:1582039813,
 	title = {Modelagem preditiva de surtos epidêmicos usando redes neurais LSTM: uma aplicação para a covid-19},
 	year = {2024},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3620",
 	abstract = "A pandemia causada pela COVID-19, nos seus três anos iniciais, resultou em uma sé- rie temporal de difícil predição devido a ações de políticas públicas e ao surgimento de novas variantes. Restrições de locomoção, novas variantes, vacinas e diferenças culturais resultaram em estágios distintos de disseminação do vírus, dificultando a aplicação de um único modelo de predição epidemiológica para prever toda a série temporal. Com isso, diferentes modelos foram necessários para os estágios da pandemia. Com base na aplica- ção de redes neurais em estudos epidemiológicos para predição de séries temporais, este trabalho busca desenvolver uma metodologia baseada em uma rede neural Long Short- Term Memory (LSTM) multicamadas, capaz de ser aplicada a quase três anos de dados da pandemia para prever a quantidade de novos casos diários da doença. A metodologia aplica uma série de testes, combinando diferentes dados de entrada da rede, como casos e vacinações diárias, buscando prever a quantidade de casos para alguns dias no futuro. Os experimentos foram aplicados ao Brasil e a outros países, apresentando bons resultados para previsões com quinze dias de antecedência, com potencial para identificar mudanças de tendência na linha temporal de casos diários. Essa capacidade é útil para detectar o início de novas ondas de contaminação, contribuindo para sistemas de alerta de órgãos de saúde pública e tomada de decisão imediata.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}