論文の概要: Physics-informed machine learning for the COVID-19 pandemic: Adherence
to social distancing and short-term predictions for eight countries
- arxiv url: http://arxiv.org/abs/2008.08162v1
- Date: Tue, 18 Aug 2020 21:26:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 22:31:51.600963
- Title: Physics-informed machine learning for the COVID-19 pandemic: Adherence
to social distancing and short-term predictions for eight countries
- Title（参考訳）: 物理インフォームド・機械学習による新型コロナウイルスのパンデミック--社会的距離と8カ国の短期予測の整合性
- Authors: G. D. Barmparis and G. P. Tsironis
- Abstract要約: 2020年上半期の新型コロナウイルスは、ほとんどの国が社会的な距離を測ることで、より大きく、より少ない範囲に制限された。
本研究では,地域レベルでの感染データと,社会的距離の分散効果を示す1つの数字を直接リンクする。
両極端にあるのはギリシャであり、一方が最高に崩壊し、他方がアメリカであり、他方が事実上平らな「デカイ」であることがわかった。
- 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: The spread of COVID-19 during the initial phase of the first half of 2020 was
curtailed to a larger or lesser extent through measures of social distancing
imposed by most countries. In this work, we link directly, through machine
learning techniques, infection data at a country level to a single number that
signifies social distancing effectiveness. We assume that the standard SIR
model gives a reasonable description of the dynamics of spreading, and thus the
social distancing aspect can be modeled through time-dependent infection rates
that are imposed externally. We use an exponential ansatz to analyze the SIR
model, find an exact solution for the time-independent infection rate, and
derive a simple first-order differential equation for the time-dependent
infection rate as a function of the infected population. Using infected number
data from the "first wave" of the infection from eight countries, and through
physics-informed machine learning, we extract the degree of linear dependence
in social distancing that led to the specific infections. We find that in the
two extremes are Greece, with the highest decay slope on one side, and the US
on the other with a practically flat "decay". The hierarchy of slopes is
compatible with the effectiveness of the pandemic containment in each country.
Finally, we train our network with data after the end of the analyzed period,
and we make week-long predictions for the current phase of the infection that
appear to be very close to the actual infection values.
- Abstract（参考訳）: 2020年上半期の新型コロナウイルス(COVID-19)の感染拡大は、ほとんどの国が社会的な距離を測ることで、より大きく、より少ない範囲に拡大した。
本研究では,地域レベルでの感染データと,社会的距離の分散効果を示す1つの数字を直接リンクする。
標準のsirモデルは拡散のダイナミクスを合理的に記述しており、それゆえ社会的距離の側面は、外部から課される時間に依存した感染率によってモデル化できると仮定する。
我々は指数的アンサッツを用いてSIRモデルを分析し、時間非依存感染率の正確な解を見つけ、感染集団の機能として時間依存感染率の簡単な一階微分方程式を導出する。
8カ国の感染の「第1波」からの感染数データと物理インフォームド機械学習を用いて、特定の感染の原因となる社会的距離の線形依存性の度合いを抽出した。
2つの極端にあるのはギリシャであり、一方が崩壊の最も高い斜面であり、もう一方がアメリカであり、もう一方が事実上平らな「デカイ」である。
斜面の階層構造は、各国におけるパンデミックの封じ込めの有効性と相容れない。
最後に、分析期間終了後にデータを用いてネットワークをトレーニングし、実際の感染値に非常に近いと思われる感染症の現在の段階を1週間にわたって予測する。
関連論文リスト
- 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) - Impact of Network Centrality and Income on Slowing Infection Spread
after Outbreaks [1.1470070927586016]
感染の到着時刻が地理的にどのように変化するかを計算するための新しい手法を提案する。
ネットワークの集中度とロックダウン後の感染遅延との間には,収入に関係なく負の関係が生じることが判明した。
本稿では、移動ネットワークにおいて最も中心的な人々が直面している病気のリスクの新たな次元を同定し、定量化する。
論文 参考訳（メタデータ） (2022-02-08T15:02:43Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - 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) - Transfer Graph Neural Networks for Pandemic Forecasting [32.0506180195988]
人口移動が新型コロナウイルスの感染拡大に与える影響について検討する。
我々は,今後の症例数を予測するためにグラフニューラルネットワークを用いる。
論文 参考訳（メタデータ） (2020-09-10T13:23:52Z) - A Data-driven Understanding of COVID-19 Dynamics Using Sequential
Genetic Algorithm Based Probabilistic Cellular Automata [4.36572039512405]
本研究は、この感染拡散の正確なデータ駆動モデリングのために、セルオートマトンが優れたプラットフォームを提供することを示唆する。
異なる大陸の40カ国で、新型コロナウイルスの統計分析が実施されている。
このモデルの実質的な予測力は、パンデミックのダイナミクスにおける主要なプレイヤーの結論とともに確立されている。
論文 参考訳（メタデータ） (2020-08-27T09:53:21Z) - A New Mathematical Model for Controlled Pandemics Like COVID-19 : AI
Implemented Predictions [4.167459103689587]
新型コロナウイルスの感染拡大を抑制するために、3つの制限措置が与える影響を明示的に把握する新しい数学的モデルを提案する。
機械学習を使用して、新しい方程式を$i(r,t)$、任意の領域の感染症$i$ at time $t$で解決し、時間の経過とともに感染拡大を予測する。
この学際的な取り組みは、感染拡大の減速と機械学習の問題解決力を組み合わせた、各指標の影響を予測する新しい数学的モデルであり、現在のパンデミックと将来のパンデミックとの戦いに有用なツールであることを願っている。
論文 参考訳（メタデータ） (2020-08-24T16:07:00Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。