論文の概要: Coronavirus Optimization Algorithm: A bioinspired metaheuristic based on
the COVID-19 propagation model
- arxiv url: http://arxiv.org/abs/2003.13633v2
- Date: Thu, 16 Apr 2020 11:28:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 07:47:32.453552
- Title: Coronavirus Optimization Algorithm: A bioinspired metaheuristic based on
the COVID-19 propagation model
- Title（参考訳）: 新型コロナウイルスの最適化アルゴリズム:covid-19伝播モデルに基づくバイオインスパイアメタヒューリスティック
- Authors: F. Mart\'inez-\'Alvarez, G. Asencio-Cort\'es, J. F. Torres, D.
Guti\'errez-Avil\'es, L. Melgar-Garc\'ia, R. P\'erez-Chac\'on, C.
Rubio-Escudero, J. C. Riquelme, A. Troncoso
- Abstract要約: この研究は、新型コロナウイルスが健康な人々にどのように拡散し感染するかをシミュレートする、新しいバイオインスパイアされたメタヒューリスティック(メタヒューリスティック)を提案する。
入力パラメータは疾患統計に従ってすでに設定されており、研究者が任意の値で初期化するのを防ぐことができる。
並行したマルチウイルスバージョンが提案され、いくつかのウイルス株が時間とともに進化し、より広い検索領域をより少ないイテレーションで探索する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A novel bioinspired metaheuristic is proposed in this work, simulating how
the coronavirus spreads and infects healthy people. From an initial individual
(the patient zero), the coronavirus infects new patients at known rates,
creating new populations of infected people. Every individual can either die or
infect and, afterwards, be sent to the recovered population. Relevant terms
such as re-infection probability, super-spreading rate or traveling rate are
introduced in the model in order to simulate as accurately as possible the
coronavirus activity. The Coronavirus Optimization Algorithm has two major
advantages compared to other similar strategies. First, the input parameters
are already set according to the disease statistics, preventing researchers
from initializing them with arbitrary values. Second, the approach has the
ability of ending after several iterations, without setting this value either.
Infected population initially grows at an exponential rate but after some
iterations, when considering social isolation measures and the high number
recovered and dead people, the number of infected people starts decreasing in
subsequent iterations. Furthermore, a parallel multi-virus version is proposed
in which several coronavirus strains evolve over time and explore wider search
space areas in less iterations. Finally, the metaheuristic has been combined
with deep learning models, in order to find optimal hyperparameters during the
training phase. As application case, the problem of electricity load time
series forecasting has been addressed, showing quite remarkable performance.
- Abstract（参考訳）: この研究は、新型コロナウイルスが健康な人々にどのように拡散し感染するかをシミュレートする、新しいバイオインスパイアされたメタヒューリスティックが提案されている。
最初の患者(患者ゼロ)から、新型コロナウイルスは既知の頻度で新しい患者に感染し、新しい人口を創出する。
すべての個体が死亡または感染し、その後、回復した個体群に送られる。
再発確率、超感染率、旅行率などの関連用語をモデルに導入し、ウイルス活動の正確なシミュレートを行う。
コロナウイルス最適化アルゴリズムは、他の類似の戦略と比較して2つの大きな利点がある。
まず、入力パラメータは疾患統計に従ってすでに設定されており、研究者が任意の値で初期化するのを防ぐ。
第二に、このアプローチには、この値を設定することなく、数回のイテレーションで終了する能力があります。
感染した人口は、当初は指数関数的に増加するが、いくつかのイテレーションの後、社会的隔離措置と高い回復率と死者数を考えると、感染した人の数はその後のイテレーションで減少し始める。
さらに、複数のコロナウイルス株が時間とともに進化し、より少ないイテレーションでより広い探索空間領域を探索する並列型マルチウイルスバージョンも提案されている。
最後に、メタヒューリスティックはトレーニングフェーズ中に最適なハイパーパラメータを見つけるために、ディープラーニングモデルと組み合わせられています。
応用として、電力負荷時系列予測の問題に対処し、非常に優れた性能を示した。
関連論文リスト
- Modeling and Forecasting COVID-19 Cases using Latent Subpopulations [8.69240208462227]
新型コロナウイルス感染者数を時間とともにモデル化する2つの新しい方法を提案する。
メソッド#1は辞書ベースのアプローチであり、多くの事前定義されたサブポピュレーションモデルから始まる。
メソッド#2はM$の混合可能な曲線であり、M$、使用するサブポピュレーションの数である$M$は、ユーザによって与えられる。
論文 参考訳（メタデータ） (2023-02-09T18:33:41Z) - Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。
感染症の監視は、ユニークな統計上の課題を提示する。
適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文 参考訳（メタデータ） (2022-12-05T17:04:17Z) - Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences [4.289396744209968]
インフルエンザウイルスは急速に変異し、公衆衛生、特に脆弱な集団に脅威をもたらす可能性がある。
近年,機械学習アルゴリズムによるウイルス配列の高速かつ正確な予測への関心が高まっている。
本研究では,さまざまな分類レベルで機械学習アルゴリズムを評価するために,実検定データセットと各種評価指標を用いた。
論文 参考訳（メタデータ） (2022-07-28T00:54:54Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳（メタデータ） (2020-12-24T18:49:22Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z) - A self-supervised neural-analytic method to predict the evolution of
COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。
本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。
ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文 参考訳（メタデータ） (2020-06-23T12:00:04Z) - Continuous Learning and Inference of Individual Probability of
SARS-CoV-2 Infection Based on Interaction Data [0.0]
本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習と,感染性ランキングのための個別確率推定(CLIIP)を用いて決定する新しい手法を提案する。
従来の接触追跡法と比較して,非血縁性ウイルスキャリアーの探索に必要なスクリーニングと検疫を最大94%削減する。
論文 参考訳（メタデータ） (2020-06-08T14:52:04Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳（メタデータ） (2020-02-29T22:41:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。