論文の概要: Reinforced Epidemic Control: Saving Both Lives and Economy
- arxiv url: http://arxiv.org/abs/2008.01257v1
- Date: Tue, 4 Aug 2020 00:44:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 23:19:47.161202
- Title: Reinforced Epidemic Control: Saving Both Lives and Economy
- Title（参考訳）: 強化エピデミックコントロール:生活と経済の双方を節約する
- Authors: Sirui Song, Zefang Zong, Yong Li, Xue Liu, Yang Yu
- Abstract要約: 個人データを必要としない生活・経済ジレンマに対する解決策を提案する。
地域間移動を動的に制御することで、疫病の伝染を抑制することで、民間データ要求を回避します。
我々は,移動制御ポリシーを探索するためのDURLECA (Dual-Objective Reinforcement-Learning Epidemic Control Agent) を開発した。
- 参考スコア（独自算出の注目度）: 14.008719195238774
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Saving lives or economy is a dilemma for epidemic control in most cities
while smart-tracing technology raises people's privacy concerns. In this paper,
we propose a solution for the life-or-economy dilemma that does not require
private data. We bypass the private-data requirement by suppressing epidemic
transmission through a dynamic control on inter-regional mobility that only
relies on Origin-Designation (OD) data. We develop DUal-objective
Reinforcement-Learning Epidemic Control Agent (DURLECA) to search
mobility-control policies that can simultaneously minimize infection spread and
maximally retain mobility. DURLECA hires a novel graph neural network, namely
Flow-GNN, to estimate the virus-transmission risk induced by urban mobility.
The estimated risk is used to support a reinforcement learning agent to
generate mobility-control actions. The training of DURLECA is guided with a
well-constructed reward function, which captures the natural trade-off relation
between epidemic control and mobility retaining. Besides, we design two
exploration strategies to improve the agent's searching efficiency and help it
get rid of local optimums. Extensive experimental results on a real-world OD
dataset show that DURLECA is able to suppress infections at an extremely low
level while retaining 76\% of the mobility in the city. Our implementation is
available at https://github.com/anyleopeace/DURLECA/.
- Abstract（参考訳）: 生活や経済を救うことは、ほとんどの都市で疫病対策のジレンマであり、スマートトレーシング技術は人々のプライバシーの懸念を高める。
本稿では,個人データを必要としない生活・経済ジレンマに対する解決策を提案する。
我々は,原産地指定(od)データのみに依存する地域間移動の動的制御を通じて,流行の伝達を抑制することにより,個人データ要求を回避した。
本研究では,感染拡大を同時に最小化し,モビリティを最大限に維持できる移動制御ポリシーを探索するためのDURLECA (Dual-jective Reinforcement-Learning Epidemic Control Agent) を開発した。
DURLECAは、都市移動によって引き起こされるウイルス感染リスクを推定するために、新しいグラフニューラルネットワークであるFlow-GNNを採用している。
推定リスクは、モビリティ制御アクションを生成するための強化学習エージェントを支援するために使用される。
DURLECAのトレーニングは、伝染病対策と移動維持の自然なトレードオフ関係を捉える、よく構築された報酬関数で案内される。
さらに,エージェントの探索効率を向上させるための2つの探索戦略を設計し,局所最適化の除去を支援する。
実世界のodデータセットでの広範な実験の結果、デュレカは市内の移動率の76\%を維持しながら、非常に低いレベルで感染を抑えることができることがわかった。
実装はhttps://github.com/anyleopeace/durleca/で利用可能です。
関連論文リスト
- Mapping the Invisible: A Framework for Tracking COVID-19 Spread Among College Students with Google Location Data [4.176653295869846]
本研究は,自家製のGoogle履歴位置情報エクストラクタを開発することで,キャンパス内大学生のウイルス拡散を効果的に抑制する方法を提案する。
潜在的な接触を判定し、個々の感染リスクを評価し、対馬政策の有効性を評価する機能を提供している。
論文 参考訳（メタデータ） (2024-05-13T15:58:13Z) - DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。
我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。
この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
論文 参考訳（メタデータ） (2024-04-20T13:43:28Z) - Deep Learning-Derived Optimal Aviation Strategies to Control Pandemics [13.952375733035428]
新型コロナウイルス感染症(COVID-19)は世界中の国々に影響を与えており、感染拡大を緩和するための公衆衛生政策を徹底的に求めている。
本研究では,世界規模でのCOVID-19感染動態に及ぼすヒトの移動性の影響について検討した。
論文 参考訳（メタデータ） (2022-10-12T12:35:09Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities [36.94575237918065]
新型コロナウイルスの感染拡大を遅らせるためには、非医薬品の介入を考慮する必要がある。
都市内モビリティと政策導入を新しいメタポピュレーションSEIRモデルに組み込むことで、米国の都市における複雑なCOVID-19成長パターンを正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-02-21T07:39:17Z) - Reinforced Contact Tracing and Epidemic Intervention [8.141401074784406]
我々は,スマートディファレンスコントロール戦略を探索するIDRLECA(Reinforcement Learning Epidemic Control Agent)を開発した。
IDRLECAは感染を非常に低いレベルで抑制し、95%以上の人体移動を維持できる。
論文 参考訳（メタデータ） (2021-02-04T08:31:48Z) - Semi-supervised Neural Networks solve an inverse problem for modeling
Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。
我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文 参考訳（メタデータ） (2020-10-10T19:33:53Z) - 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) - 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) - 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) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
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。