Redes neuronales recurrentes para la predicción de casos por Covid- 19 usando datos abiertos en el Perú, 2020

Abstract

El problema de la investigación fue cómo utilizar redes neuronales recurrentes para la predicción de casos por Covid-19 usando datos abiertos en el Perú, 2020. El objetivo de la investigación fue utilizar las redes neuronales recurrentes para predecir los casos por Covid-19 usando datos abiertos en el Perú, 2020. La me todología de investigación es de tipo aplicada, con un enfoque cuantitativo y di seño no experimental de corte transversal. Para el desarrollo del proyecto se utilizó la metodología SCRUM. En resultados se obtuvo un aumento medio de la tasa de mortalidad de Covid-19 por cada 10 000 habitantes entre los datos reco gidos (10.9818) y la predicción (11,1057), lo cual muestra que el aumento de la tasa de mortalidad ha sido de 0,1248 por cada 10 000 habitantes. Y en la varia ción de la tasa de letalidad de Covid-19 entre los datos recogidos (3,7335) y la predicción (3,7036), lo cual indica que hubo una variación media del 0.03 % en la tasa de letalidad. Se concluye que al utilizar las redes neuronales recurrentes en específico las RNN hibridas permiten obtener una predicción de casos confir mados como de fallecidos que a pesar de tener una cantidad limitada de entra das de registros para su entrenamiento permite proporcionar cifras que se acer car a la realidad para que pueda sacar la tasa de letalidad y mortalidad.