Resumen

La enfermedad del nuevo coronavirus (COVID-19) es considerada como uno de los brotes de enfermedades más inminentes que amenazan la salud pública en varios niveles en todo el mundo. Debido a la naturaleza impredecible del brote y la intensidad pandémica del virus, las personas están experimentando depresión, ansiedad y otras reacciones de estrés. La respuesta para prevenir y controlar la neumonía por el nuevo coronavirus ha alcanzado un punto crucial. Por lo tanto, es esencial, con fines de seguridad y prevención, predecir y pronosticar de manera pronta el brote del virus en el transcurso de este tiempo problemático para tener control sobre su mortalidad. Recientemente, los modelos de aprendizaje profundo están desempeñando roles esenciales en el manejo de datos de series temporales en diferentes aplicaciones. Este artículo presenta un estudio comparativo de dos métodos de aprendizaje profundo para pronosticar los casos confirmados y los casos de muerte por COVID-19. Se han aplicado la memoria a corto y largo plazo (LSTM) y la unidad recurrente

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Enfermedad del nuevo coronavirus; COVID-19; Brote; Pandemia; Modelos de aprendizaje profundo; LSTM; GRU
• Keywords:Novel coronavirus disease; COVID-19; Outbreak; Pandemic; Deep learning models; LSTM; GRU