論文の概要: VacSIM: Learning Effective Strategies for COVID-19 Vaccine Distribution using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2009.06602v3
• Date: Sat, 4 Dec 2021 14:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 11:59:50.355249
• Title: VacSIM: Learning Effective Strategies for COVID-19 Vaccine Distribution using Reinforcement Learning
• Title（参考訳）: VacSIM: 強化学習を用いたワクチン流通の効果的な学習方法
• Authors: Raghav Awasthi, Keerat Kaur Guliani, Saif Ahmad Khan, Aniket Vashishtha, Mehrab Singh Gill, Arshita Bhatt, Aditya Nagori, Aniket Gupta, Ponnurangam Kumaraguru, Tavpritesh Sethi
• Abstract要約: VacSIMは、Deep Reinforcement Learningモデルを、新型コロナウイルスワクチンの配布を最適化するためのContextual Banditsアプローチに置き換える、新しいパイプラインである。 インド全5州で新型コロナウイルス感染者の発生率に比例して、ワクチンを配布する素早い割当アプローチに対して、本枠組みを評価した。
• 参考スコア（独自算出の注目度）: 6.167847933188907
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A COVID-19 vaccine is our best bet for mitigating the ongoing onslaught of the pandemic. However, vaccine is also expected to be a limited resource. An optimal allocation strategy, especially in countries with access inequities and temporal separation of hot-spots, might be an effective way of halting the disease spread. We approach this problem by proposing a novel pipeline VacSIM that dovetails Deep Reinforcement Learning models into a Contextual Bandits approach for optimizing the distribution of COVID-19 vaccine. Whereas the Reinforcement Learning models suggest better actions and rewards, Contextual Bandits allow online modifications that may need to be implemented on a day-to-day basis in the real world scenario. We evaluate this framework against a naive allocation approach of distributing vaccine proportional to the incidence of COVID-19 cases in five different States across India (Assam, Delhi, Jharkhand, Maharashtra and Nagaland) and demonstrate up to 9039 potential infections prevented and a significant increase in the efficacy of limiting the spread over a period of 45 days through the VacSIM approach. Our models and the platform are extensible to all states of India and potentially across the globe. We also propose novel evaluation strategies including standard compartmental model-based projections and a causality-preserving evaluation of our model. Since all models carry assumptions that may need to be tested in various contexts, we open source our model VacSIM and contribute a new reinforcement learning environment compatible with OpenAI gym to make it extensible for real-world applications across the globe. (http://vacsim.tavlab.iiitd.edu.in:8000/).
• Abstract（参考訳）: 新型コロナウイルス(covid-19)ワクチンは、パンデミックの進行を緩和する最善の策だ。 しかし、ワクチンは限られた資源として期待されている。 最適なアロケーション戦略、特にホットスポットのアクセス不平等と時間的分離がある国では、病気の拡散を止める効果的な方法となるかもしれない。 我々は、新型コロナウイルスワクチンの分布を最適化するために、深層強化学習モデルをコンテキストバンド化アプローチに変換する新しいパイプラインVacSIMを提案することにより、この問題に対処する。 強化学習モデルはより良いアクションと報酬を提案するが、Contextual Banditsは現実世界のシナリオで日々実施する必要があるオンライン修正を可能にする。 インド各地の5つの州(アサム、デリー、ヤルクハント、マハラシュトラ、ナガランド)において、ワクチン接種の感染率に比例してワクチンを配布するナイーブ・アロケーション・アプローチ(naive allocation approach)の枠組みを評価し、最大9039人の感染を予防し、バシム・アプローチによる45日間の感染を制限する効果を実証した。 私たちのモデルとプラットフォームは、インドのすべての州、そして潜在的に世界中で拡張可能です。 また, 標準区画モデルに基づく投影と因果性保存評価を含む新しい評価手法を提案する。 すべてのモデルには様々な状況でテストする必要がある仮定があるため、当社はVacSIMをオープンソース化し、OpenAIのジムと互換性のある新しい強化学習環境を提供し、世界中の現実世界のアプリケーションに拡張可能にする。 訳注: 8000/)。

関連論文リスト

• Modelling the Spread of COVID-19 in Indoor Spaces using Automated Probabilistic Planning [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、約3年間続いている。 病気の拡散を制御するためのいくつかの戦略は、医療専門家によって議論されている。 疾患の潜在的な影響を予測し、異なる緩和戦略の有効性をシミュレートするためには、堅牢な疾患拡散モデルが必要である。
  論文  参考訳（メタデータ） (2023-08-16T07:41:53Z)
• Cooperating Graph Neural Networks with Deep Reinforcement Learning for Vaccine Prioritization [0.0]
  本研究は,供給制限時のパンデミックの全体負担を軽減するためのワクチンの優先順位付け戦略について検討する。 既存の方法では、サブグループ集団内の均一な振る舞いを仮定してマクロレベルまたは単純化されたマイクロレベルワクチンの分布を行う。 我々は,高次空間時間病進化システムのための最適なワクチン配置戦略を求めるために,新しい深層強化学習を開発した。
  論文  参考訳（メタデータ） (2023-05-09T04:19:10Z)
• 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)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Compartmental Models for COVID-19 and Control via Policy Interventions [0.0]
  確率型プログラミング言語(PPL)のツールキットを用いてSARS-CoV-2パンデミックの拡散を再現し予測する手法を実証する。 我々のゴールは、様々なモデリング仮定の影響を調査し、感染症の拡散を制限するために制定された政策介入を動機づけることである。 我々は疫学者ではない。この研究の唯一の目的は、新型コロナウイルスの政策決定が現実世界に与える影響を直接推測するのではなく、方法の展示として機能することである。
  論文  参考訳（メタデータ） (2022-03-06T02:50:54Z)
• Modeling the effect of the vaccination campaign on the Covid-19 pandemic [0.0]
  予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介した。 このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。 これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。
  論文  参考訳（メタデータ） (2021-08-27T19:12:13Z)
• 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)
• Analysis of COVID-19 cases in India through Machine Learning: A Study of Intervention [3.4483987421251516]
  新型コロナウイルス(COVID-19)のパンデミックと闘うため、世界は予防接種、プラズマ療法、予防接種、疫学的な介入をほとんど選択肢がない。 本研究では,従来のSIRモデルにおける疫学的介入を取り入れた介入を伴うSIRモデルを提案する。 我々は、2020年9月30日までに、インド全土とインドの一部州で、アクティブで回復した新型コロナウイルスの感染者の予測数を提示するとともに、予測されたケースの95%と99%の信頼区間を推定した。
  論文  参考訳（メタデータ） (2020-08-17T05:45:50Z)
• 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。