論文の概要: A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions
- arxiv url: http://arxiv.org/abs/2005.07656v1
- Date: Fri, 15 May 2020 17:17:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 22:42:20.393992
- Title: A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions
- Title（参考訳）: Covid-19パンデミック政府行動の最適化のための新しい手法に基づく深層Q-ラーニング/遺伝的アルゴリズム
- Authors: Luis Miralles-Pechu\'an, Fernando Jim\'enez, Hiram Ponce, Lourdes
Mart\'inez-Villase\~nor
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 63.669642197519934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whenever countries are threatened by a pandemic, as is the case with the
COVID-19 virus, governments should take the right actions to safeguard public
health as well as to mitigate the negative effects on the economy. In this
regard, there are two completely different approaches governments can take: a
restrictive one, in which drastic measures such as self-isolation can seriously
damage the economy, and a more liberal one, where more relaxed restrictions may
put at risk a high percentage of the population. The optimal approach could be
somewhere in between, and, in order to make the right decisions, it is
necessary to accurately estimate the future effects of taking one or other
measures. In this paper, we use the SEIR epidemiological model (Susceptible -
Exposed - Infected - Recovered) for infectious diseases to represent the
evolution of the virus COVID-19 over time in the population. To optimize the
best sequences of actions governments can take, we propose a methodology with
two approaches, one based on Deep Q-Learning and another one based on Genetic
Algorithms. The sequences of actions (confinement, self-isolation, two-meter
distance or not taking restrictions) are evaluated according to a reward system
focused on meeting two objectives: firstly, getting few people infected so that
hospitals are not overwhelmed with critical patients, and secondly, avoiding
taking drastic measures for too long which can potentially cause serious damage
to the economy. The conducted experiments prove that our methodology is a valid
tool to discover actions governments can take to reduce the negative effects of
a pandemic in both senses. We also prove that the approach based on Deep
Q-Learning overcomes the one based on Genetic Algorithms for optimizing the
sequences of actions.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)がパンデミック(パンデミック)の脅威にさらされている国はいつでも、国民の健康を守り、経済への悪影響を緩和するための適切な措置を講じるべきだ。
この点に関して、政府がとれるアプローチは、自粛のような劇的な措置が経済に深刻な打撃を与えるという制限的な方法と、より緩和された制限が人口の高率に危険を及ぼす可能性がある自由主義的な方法の2つである。
最適なアプローチは、中間にある可能性があり、正しい判断を行うためには、一つまたは他の手段を取ることの将来の効果を正確に見積もる必要がある。
本報告では, ウイルスウイルスの集団内での進化を示すために, SEIR 疫学モデル (Susceptible Exposed - Infected - Recovered) を用いた。
政府が取り得る行動の最良のシーケンスを最適化するために、深層q学習に基づく方法と遺伝的アルゴリズムに基づく方法の2つの手法を提案する。
第1に、病院が重篤な患者に圧倒されないよう、感染者数が少ないこと、第2に、重篤な措置を長すぎることを回避し、経済に深刻な被害をもたらす可能性があること、という2つの目的を満たすことに焦点を当てた報奨制度により、行動の順序(拘束、自己隔離、2メートル距離、制限を取らないこと)を評価する。
今回の実験は、パンデミックの悪影響を両感覚で減らすために政府が対応できる行動を見つけるための有効な手段であることを実証する。
また、深層q学習に基づくアプローチは、行動のシーケンスを最適化するための遺伝的アルゴリズムに基づくアプローチを克服することを証明する。
関連論文リスト
- Modeling and Optimization of Epidemiological Control Policies Through
Reinforcement Learning [0.0]
パンデミックの影響は、特定の制限をコミュニティに課すことによって最小化することができる。
感染と死亡率を最小限に抑える一方で、これらの制限は経済的危機につながる可能性がある。
我々は、報酬関数に基づくパンデミックシミュレーションに最適な制限を強制するために、強化学習エージェントを訓練する。
論文 参考訳（メタデータ） (2024-01-25T22:39:39Z) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Epidemic Control on a Large-Scale-Agent-Based Epidemiology Model using
Deep Deterministic Policy Gradient [0.7244731714427565]
ロックダウン、急激な予防接種プログラム、学校閉鎖、経済刺激は、肯定的または意図しない否定的な結果をもたらす可能性がある。
ラウンドトリップを通じて自動的に最適な介入をモデル化し決定するための現在の研究は、シミュレーション目標、スケール(数千人)、介入研究に適さないモデルタイプ、探索可能な介入戦略の数(離散対連続)によって制限されている。
我々は,大規模(100,000人)の疫学的エージェントに基づくシミュレーションに基づいて,DDPGに基づく政策最適化フレームワークを用いて,これらの課題に対処する。
論文 参考訳（メタデータ） (2023-04-10T09:26:07Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Discrete Stochastic Optimization for Public Health Interventions with
Constraints [1.8275108630751844]
本稿では,2009年のH1N1と新型コロナウイルスのパンデミックについて,オープンソースのモンテカルロシミュレーションによってモデル化された疾患の拡散について述べる。
最適化の目的は、社会に最小限の経済損失をもたらすため、介入戦略の最良の組み合わせを決定することである。
論文 参考訳（メタデータ） (2022-06-27T21:21:25Z) - Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。
円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。
その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
論文 参考訳（メタデータ） (2020-12-24T06:21:53Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。
我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
論文 参考訳（メタデータ） (2020-06-12T11:18:25Z) - From Prediction to Prescription: Evolutionary Optimization of
Non-Pharmaceutical Interventions in the COVID-19 Pandemic [19.477459618274025]
新型コロナウイルスのパンデミックの広がりを予測するために、いくつかのモデルが開発されている。
本稿では,進化的AIを用いて次のステップ,すなわち最も効果的な介入戦略を決定する方法を示す。
論文 参考訳（メタデータ） (2020-05-28T03:43:31Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
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。