Published March 19, 2020 | Version v1
Publication Open

Prediction of the Vaccine-derived Poliovirus Outbreak Incidence: A Hybrid Machine Learning Approach

Creators

  • 1. University of Luxembourg
  • 2. Zagazig University
  • 3. Zhejiang Ocean University
  • 4. Zhejiang University
  • 5. University of Pittsburgh
  • 6. National Water Research Center
  • 7. Damietta University
  • 8. Huazhong University of Science and Technology

Description

Recently, significant attention has been devoted to vaccine-derived poliovirus (VDPV) surveillance due to its severe consequences. Prediction of the outbreak incidence of VDPF requires an accurate analysis of the alarming data. The overarching aim to this study is to develop a novel hybrid machine learning approach to identify the key parameters that dominate the outbreak incidence of VDPV. The proposed method is based on the integration of random vector functional link (RVFL) networks with a robust optimization algorithm called whale optimization algorithm (WOA). WOA is applied to improve the accuracy of the RVFL network by finding the suitable parameter configurations for the algorithm. The classification performance of the WOA-RVFL method is successfully validated using a number of datasets from the UCI machine learning repository. Thereafter, the method is implemented to track the VDPV outbreak incidences recently occurred in several provinces in Lao People's Democratic Republic. The results demonstrate the accuracy and efficiency of the WOA-RVFL algorithm in detecting the VDPV outbreak incidences, as well as its superior performance to the traditional RVFL method.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

في الآونة الأخيرة، تم تكريس اهتمام كبير لترصد فيروس شلل الأطفال المشتق من اللقاح (VDPV) بسبب عواقبه الوخيمة. يتطلب التنبؤ بحدوث تفشي VDPF تحليلًا دقيقًا للبيانات المثيرة للقلق. يتمثل الهدف الشامل لهذه الدراسة في تطوير نهج جديد للتعلم الآلي الهجين لتحديد المعلمات الرئيسية التي تهيمن على تفشي فيروس شلل الأطفال اللقاح. تعتمد الطريقة المقترحة على دمج شبكات الوصلات الوظيفية العشوائية (RVFL) مع خوارزمية تحسين قوية تسمى خوارزمية تحسين الحيتان (WOA). يتم تطبيق WOA لتحسين دقة شبكة RVFL من خلال العثور على تكوينات المعلمات المناسبة للخوارزمية. يتم التحقق بنجاح من أداء تصنيف طريقة WOA - RVFL باستخدام عدد من مجموعات البيانات من مستودع التعلم الآلي UCI. بعد ذلك، يتم تنفيذ الطريقة لتتبع حالات تفشي VDPV التي حدثت مؤخرًا في العديد من المقاطعات في جمهورية لاو الديمقراطية الشعبية. تُظهر النتائج دقة وكفاءة خوارزمية WOA - RVFL في الكشف عن حالات تفشي VDPV، بالإضافة إلى أدائها المتفوق على طريقة RVFL التقليدية.

Translated Description (French)

Récemment, une attention significative a été consacrée à la surveillance du poliovirus dérivé du vaccin (VDPV) en raison de ses conséquences graves. La prévision de l'incidence de l'épidémie de VDPF nécessite une analyse précise des données alarmantes. L'objectif principal de cette étude est de développer une nouvelle approche d'apprentissage automatique hybride pour identifier les paramètres clés qui dominent l'incidence des épidémies de VDPV. La méthode proposée est basée sur l'intégration de réseaux de liens fonctionnels vectoriels aléatoires (RVFL) avec un algorithme d'optimisation robuste appelé algorithme d'optimisation Whale (WOA). WOA est appliqué pour améliorer la précision du réseau RVFL en trouvant les configurations de paramètres appropriées pour l'algorithme. La performance de classification de la méthode WOA-RVFL est validée avec succès à l'aide d'un certain nombre d'ensembles de données du référentiel d'apprentissage automatique UCI. Par la suite, la méthode est mise en œuvre pour suivre les incidences de l'épidémie de VDPV récemment survenue dans plusieurs provinces de la République démocratique populaire lao. Les résultats démontrent la précision et l'efficacité de l'algorithme WOA-RVFL dans la détection des incidences d'épidémie de VDPV, ainsi que ses performances supérieures à la méthode traditionnelle RVFL.

Translated Description (Spanish)

Recientemente, se ha dedicado una atención significativa a la vigilancia del poliovirus derivado de la vacuna (VDPV) debido a sus graves consecuencias. La predicción de la incidencia del brote de VDPF requiere un análisis preciso de los datos alarmantes. El objetivo general de este estudio es desarrollar un nuevo enfoque de aprendizaje automático híbrido para identificar los parámetros clave que dominan la incidencia de brotes de VDPV. El método propuesto se basa en la integración de redes de enlace funcional vectorial aleatorio (RVFL) con un algoritmo de optimización robusto llamado algoritmo de optimización de ballenas (WOA). WOA se aplica para mejorar la precisión de la red RVFL al encontrar las configuraciones de parámetros adecuadas para el algoritmo. El rendimiento de clasificación del método WOA-RVFL se valida con éxito utilizando una serie de conjuntos de datos del repositorio de aprendizaje automático UCI. A partir de entonces, el método se implementa para rastrear las incidencias de brotes de VDPV ocurridas recientemente en varias provincias de la República Democrática Popular Lao. Los resultados demuestran la precisión y eficiencia del algoritmo WOA-RVFL en la detección de las incidencias de brotes de VDPV, así como su rendimiento superior al método RVFL tradicional.

Files

s41598-020-61853-y.pdf.pdf

Files (2.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:d228b85863d31d7a8663584b7a3c7a11
2.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
التنبؤ بحدوث تفشي فيروس شلل الأطفال المشتق من اللقاح: نهج هجين للتعلم الآلي
Translated title (French)
Prédiction de l'incidence de l'épidémie de poliovirus d'origine vaccinale : une approche d'apprentissage automatique hybride
Translated title (Spanish)
Predicción de la incidencia de brotes de poliovirus derivados de vacunas: un enfoque de aprendizaje automático híbrido

Identifiers

Other
https://openalex.org/W3011193662
DOI
10.1038/s41598-020-61853-y

Is supplement to
https://openalex.org/W4386462264 (Other)
https://openalex.org/W4364306694 (Other)
https://openalex.org/W4312192474 (Other)
https://openalex.org/W4306674287 (Other)
https://openalex.org/W4283697347 (Other)
https://openalex.org/W4210805261 (Other)
https://openalex.org/W3170094116 (Other)
https://openalex.org/W3107602296 (Other)
https://openalex.org/W3046775127 (Other)
https://openalex.org/W2961085424 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1181113747
  • https://openalex.org/W1537840430
  • https://openalex.org/W1986278072
  • https://openalex.org/W1996640396
  • https://openalex.org/W2011864101
  • https://openalex.org/W2019650073
  • https://openalex.org/W2038195874
  • https://openalex.org/W2085848602
  • https://openalex.org/W2109574129
  • https://openalex.org/W2115478866
  • https://openalex.org/W2116266858
  • https://openalex.org/W2117691753
  • https://openalex.org/W2123223828
  • https://openalex.org/W2138383519
  • https://openalex.org/W2143325737
  • https://openalex.org/W2151767444
  • https://openalex.org/W2159004280
  • https://openalex.org/W2160542585
  • https://openalex.org/W2229668941
  • https://openalex.org/W2266102409
  • https://openalex.org/W2290883490
  • https://openalex.org/W2303993773
  • https://openalex.org/W2515040453
  • https://openalex.org/W2560247988
  • https://openalex.org/W2766232596
  • https://openalex.org/W2772780441
  • https://openalex.org/W2792110134
  • https://openalex.org/W2803248406
  • https://openalex.org/W2898842978
  • https://openalex.org/W2922136954
  • https://openalex.org/W2963374817
  • https://openalex.org/W3106499542