安德烈亚·尼格里;苏珊娜·列万提西;马里诺，马里奥 预期寿命和寿命差距预测：一种长短期记忆方法。 （英语） 兹比尔1468.91128 扫描。演员。J。 2021年，第2期，第110-133页（2021年）. 在介绍了预期寿命和寿命差异的基本符号和特征之后，本文考虑并描述了递归神经网络的功能，特别是关注了长短期记忆模型（LSTM）。然后，根据LSTM网络的观点，描述了适合预测特定国家预期寿命和寿命差距的具体模型。最后，考虑到从澳大利亚、意大利、日本、瑞典和美国的人类死亡率数据库中按性别收集的历史死亡率数据，构建了数值应用程序。审核人：埃米利亚·迪·洛伦佐（那不勒斯） 引用于4文件 MSC公司： 91G05号 精算数学 91D20型 数学地理学和人口学 关键词：预期寿命;寿命差距;预测;长短期记忆 软件：阿达德尔塔;人类死亡率 PDF格式BibTeX公司 XML格式引用 \textit{A.Nigri}等人，扫描。演员。J.2021，第2号，110--133（2021；Zbl 1468.91128） 全文： 内政部 参考文献： [1] Aburto，J.M。；van Raalte，A.，《预期寿命波动时期的寿命分散：中欧和东欧的情况》，人口学，552071-2096（2018）·doi:10.1007/s13524-018-0729-9 [2] Aburto，J.M。；M.温辛克。；van Raalte，A。；Lindahl-Jacobsen，R.，《通过减少丹麦寿命不平等而在预期寿命方面取得的潜在收益：国际比较和死亡原因分析》，BMC公共卫生，18，1，831（2018）·doi:10.1186/s12889-018-5730-0 [3] Aburto，J.M。；维拉维琴西奥，F。；巴塞里尼，美国。；Kjrgaard，S。；Vaupel，J.W.，《预期寿命和寿命平等的动力学》，PNAS，117，10，5250-5259（2020）·doi:10.1073/pnas.1915884117 [4] Alho，J.M.，人口预测中的随机方法，国际预测杂志，6，4，521-530（1990）·doi:10.1016/0169-2070（90）90030-F [5] 科尔切罗，F。；Rau，R。；Jones，O.R。；Barthold，J.A。；Conde，D.A。；Lenart，A。；奈梅特，L。；谢尔林，A。；斯科利，J。；托雷斯，C。；Zarulli，V.，《长寿人群的出现》，《美国国家科学院院刊》（PNAS），113，48，E7681-E7690（2016）·doi:10.1073/pnas.1612191113 [6] Bergeron-Boucher，M.-P。；卡努达斯·罗莫，V。；Oeppen，J。；Vaupel，J.W.，《利用成分数据分析对死亡率进行一致性预测》，《人口学研究》，37，527-566（2017）·doi:10.4054/DemRes.2017.37.17 [7] Brouhns，N。；Denuit先生。；Vermunt，J.，《构建预测寿命表的泊松对数双线性方法》，《保险：数学与经济学》。，31, 373-393 (2002) ·Zbl 1074.62524号 [8] Y.本吉奥。；Simard，P。；Frasconi，P.，学习梯度下降的长期依赖性很困难，IEEE神经网络汇刊，5，2157-166（1994）·doi:10.1109/72.278181 [9] Bohk-Ewald，C。；埃贝林，M。；Rau，R.，《寿命差异作为评估死亡率预测的额外指标》，《人口学》，54，1559（2017） [10] H·布斯。；Hyndman，R.J。；痒，L。；De Jong，P.，Lee-carter死亡率预测：变异和扩展的多国比较，《人口学研究》，第15289-310页（2006年）·doi:10.4054/DemRes.2006.15.9 [11] Brouhns，N。；Denuit，M。；Vermunt，J.K.，《构建预测寿命表的泊松对数双线性方法》，《保险：数学与经济学》，第31期，第373-393页（2002年）·Zbl 1074.62524号 [12] 凯恩斯，A.J.G。；布莱克，D。；Dowd，K.，《参数不确定性随机死亡率的双因素模型：理论与校准》，《风险与保险杂志》，73，687-718（2006）·doi:10.1111/j.1539-6975.2006.00195.x [13] 凯恩斯，A.J.G。；布莱克，D。；Dowd，K。；库夫兰，G.D。；爱泼斯坦，D。；Ong，A。；Balevich，I.，《使用英格兰、威尔士和美国数据对随机死亡率模型进行定量比较》，《北美精算杂志》，第13期，第1-35页（2009年）·Zbl 1484.91376号 ·doi:10.1080/10920277.2009.10597538 [14] 柯里，身份证。；德班，M。；Eilers，P.H.C.，平滑和预测死亡率，统计建模，4279-298（2004）·Zbl 1061.62171号 ·doi:10.1191/1471082X04st080oa [15] 爱德华兹·R·D。；Tuljapurkar，S.，《寿命不平等与工业化国家死亡率趋同的新视角》，《人口与发展评论》，31，4，645-674（2005）·doi:10.1111/j.1728-4457.2005.0092.x [16] Elman，J.，《发现时间结构》，认知科学，14，2，179-211（1990）·doi:10.1207/s15516709cog1402_1 [17] 加布里埃利，A。；Richman，R。；Wüthrich，M.，过度分散泊松储备模型的神经网络嵌入，斯堪的纳维亚精算杂志，1，1-29（2020）·Zbl 1430.91076号 ·doi:10.1080/03461238.2019.1633394 [18] Gers，F.A.和Schmidhuber，J.（2000年）。递归网络的时间和计数。7月24日至27日在意大利科莫举行的IEEE-INNS-ENNS国际神经网络联合会议上提交的论文。第189-194页。 [19] Gers，F.A。；施密杜贝尔，J。；Cummins，F.，《学会忘记：使用LSTM进行连续预测》，人工神经网络，470850-855（1999） [20] Gloot，X.、Bordes，A.和Bengio，Y.（2011年）。深度稀疏整流器神经网络。在Gordon，G.、Dunson，D.和Dudk，M.（编辑），JMLR W&CP:第十四届国际人工智能与统计会议论文集（AISTATS 2011），15。第315-323页。 [21] Goldman，N。；Lord，G.，《熵与生命表的新视角》，《人口学》，23275-282（1986）·doi:10.2307/2061621 [22] 格雷夫斯，A。；Liwicki，M。；Bunke，H。；Schmidhuber，J.，《无约束手写识别的新型连接主义系统》，2009年《模式分析与机器智能汇刊》，31，5，855-868（2009）·doi:10.1109/TPAMI.2008.137 [23] Hiam，L。；哈里森，D。；McKee，M。；Dorling，D.，为什么英格兰和威尔士的预期寿命“停滞”？，《流行病学与社区卫生杂志》，72，5，404-408（2018）·doi:10.1136/jech-2017-210401 [24] Ho，J.Y。；Hendi，A.S.，《高收入国家预期寿命的近期趋势：回顾性观察研究》，BMJ，362，k2562（2018）·doi:10.1136/bmj.k2562 [25] Hochreiter，S。；Schmidhuber，J.，《长短期记忆，神经计算》，第9期，1735-1780页（1997年）·doi:10.1162/neco.1997.9.8.1735 [26] 人类死亡率数据库。（2018）。加利福尼亚大学伯克利分校（美国）和马克斯·普朗克人口研究所（德国）。2019年1月1日下载的数据。网址：https://www.motality.org [27] Kaakai，S。；哈代，H.L。；阿诺德，S。；El Karoui，N.，人口异质性如何补偿死亡原因减少？动态方法，《保险：数学和经济学》，89，16-37（2019）·Zbl 1427.91234号 [28] Keskar，N.S.、Mudigere，D.和Nocedal，J.（2016）。关于深度学习的大批量训练：泛化差距和尖锐极小值。arXiv预印本arXiv：1609.04836[cs.LG]。 [29] LeCun，Y.和Muller，K.R.（2012）。高效的后盾。《神经网络：交易的技巧》。柏林：施普林格。第9-48页。 [30] Lee，R.D.（2006）。死亡率预测和线性预期寿命趋势。从死亡率预测的角度来看。社会保险研究，3。预期寿命的线性增长：历史与展望。 [31] 李·R·D。；Carter，L.R.，《美国死亡率建模与预测》，《美国统计协会杂志》，87419659-671（1992）·Zbl 1351.62186号 [32] 李，N。；Lee，R.，《一组人群的一致死亡率预测：Lee-Carter方法的扩展》，《人口学》，42，3，575-594（2005）·doi:10.1353/dem.2005.0021 [33] Nemeth，L.，《预期寿命与寿命不平等：污点还是明确的关系？》？，《公共科学图书馆·综合》，12，9，e0185702（2017）·doi:10.1371/journal.pone.0185702 [34] Nigri，A。；列万提西，S。；马里诺，M。；Scognamiglio，S。；Perla，F.，深度学习综合Lee-Carter模型，风险，7，1，33（2019）·doi:10.3390/risks7010033 [35] Oeppen，J.（2008）。多重递减生命表的一致性预测：一项使用日本死因数据的测试。组成数据分析会议。 [36] Oeppen，J。；Vaupel，J.W.，《打破预期寿命限制》，《科学》（纽约），29655701029-1031（2002）·数字对象标识代码：10.1126/science.1069675 [37] Oeppen，J.和Vaupel，J.W.（2006）。我们的日数直线上升。社会保险研究，3。预期寿命的线性增长：历史与展望。 [38] Pascanu，R.、Tomas Mikolov，T.和Bengio，Y.（2013）。关于训练递归神经网络的困难。 [39] 医学博士帕斯卡里奥。；卡努达斯·罗莫，V。；Vaupel，W.J.，《双缺口预期寿命预测模型》，《保险：数学与经济学》，第78期，第339-350页（2018年）·兹比尔1400.91252 [40] 拉比，A.M.F。；Mazzuco，S.，《使用Lee-Carter方法进行死亡率预测：针对平滑和寿命差异进行调整》，《欧洲人口杂志》，1-24（2020）·doi:10.1007/s10680-020-09559-9 [41] Raftery，A.E。；Chunn，J.L。；Gerland，P。；Ševcíková，H.，所有国家预期寿命的贝叶斯概率预测，《人口学》，50，3，777-801（2013）·文件编号：10.1007/s13524-012-0193-x [42] Rau，R。；Soroko，E。；茉莉花，D。；Vaupel，J.W.，《高龄死亡率的持续降低》，《人口与发展评论》，34747-768（2008）·doi:10.1111/j.1728-4457.2008.00249.x [43] 伦肖，A.E。；Haberman，S.，《死亡率降低因素的Lee-Carter模型基于队列的扩展》，《保险：数学与经济学》，38，3，556-570（2006）·Zbl 1168.91418号 [44] Richman，R。；Wüthrich，M.，Lee-Carter模型对多人群的神经网络扩展，精算科学年鉴，1-21（2019）·doi:10.1017/S1748499519000071 [45] Richman，R.&Wüthrich，M.（2019b）。Lee和Carter进行机器学习：递归神经网络。版本：2019年8月22日。SSRN提供：https://ssrn.com/abstract=3441030 [46] 莱利，J.，《预期寿命增长：全球历史》（2001），剑桥：剑桥大学出版社，剑桥 [47] 罗哈斯，R。；Feldman，J.，《神经网络：系统介绍》（1996），海德堡：施普林格出版社·Zbl 0861.68072号 [48] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过反向传播错误学习表征》，《自然》，3236088533-536（1986）·Zbl 1369.68284号 ·数字对象标识代码：10.1038/323533a0 [49] 什科尔尼科夫，V.M。；安德列夫，E.M。；Begun，A.Z.，作为生命表函数的基尼系数：离散数据计算、差异分解和经验示例，《人口学研究》，第8期，第11条，305-358（2003）·doi:10.4054/DemRes.2003.8.11 [50] 托里，T。；Vaupel，J.W.，《国际背景下的预期寿命预测》，《国际预测杂志》，28，2519-531（2012）·doi:10.1016/j.ij预测.2011.01.009 [51] van Raalte，A.A。；Caswell，H.，《寿命可变性指数的扰动分析》，《人口学》，第50期，第1615-1640页（2013年）·doi:10.1007/s13524-013-0223-3 [52] van Raalte，A。；萨森，I。；Martikainen，P.，《监测寿命不平等的案例》，《科学》，362，6418，1002-1004（302018）·doi:10.1126/science.aau5811 [53] Vaupel，J.W.，《特定年龄死亡率的变化如何影响预期寿命》，《人口研究》，第40期，第147-157页（1986年）·网址：10.1080/0032472031000141896 [54] Vaupel，J.W.，《老年人生存能力的显著改善》，伦敦皇家学会哲学学报，B辑：生物科学，3521799-1804（1997）·doi:10.1098/rstb.1997.0164 [55] Vaupel，J.W。；Canudas-Romo，V.，《预期寿命的分解变化：纪念Nathan Keyfitz 90岁生日的一束配方奶粉》，《人口学》，40，2，201-216（2003）·doi:10.1353/dem.2003.0018 [56] Werbos，P.J.，应用于循环天然气市场模型的反向传播推广，神经网络，1，4，339-356（1988）·doi:10.1016/0893-6080（88）90007-X [57] Wilmoth，J.R。；Horiuchi，S.，Rectangularization reviewed：人群死亡年龄的变异性，人口学，36，4，475-495（1999）·doi:10.2307/2648085 [58] Wüthrich，M.（2019年）。从广义线性模型到神经网络，再到广义线性模型。版本：2019年12月11日。SSRN提供：https://ssrn.com/abstract=3491790 [59] Zeiler，M.D.（2012年）。ADADELTA：一种自适应学习速率方法。网址：http://arxiv.org/abs/1212.5701 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。