論文の概要: Accurate Calibration of Agent-based Epidemiological Models with Neural Network Surrogates

• arxiv url: http://arxiv.org/abs/2010.06558v1
• Date: Tue, 13 Oct 2020 17:19:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 00:23:00.155483
• Title: Accurate Calibration of Agent-based Epidemiological Models with Neural Network Surrogates
• Title（参考訳）: ニューラルネットワークサーロゲートを用いたエージェントベース疫学モデルの正確な校正
• Authors: Rushil Anirudh, Jayaraman J. Thiagarajan, Peer-Timo Bremer, Timothy C. Germann, Sara Y. Del Valle, Frederick H. Streitz
• Abstract要約: 我々は,米国の各大都市圏を対象とした大規模なシミュレーションアンサンブルを用いて,エージェントベースのモデルであるEpiCastを校正する新しいアプローチを提案する。 特に、全ての異なる位置を同時にエミュレートできる新しいニューラルネットワークベースのサロゲートモデルと、全てのパラメータのより正確な後続推定を提供するだけでなく、領域間のグローバルパラメータの結合フィッティングを可能にする新しい後続推定を提案する。
• 参考スコア（独自算出の注目度）: 33.88734751290751
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Calibrating complex epidemiological models to observed data is a crucial step to provide both insights into the current disease dynamics, i.e.\ by estimating a reproductive number, as well as to provide reliable forecasts and scenario explorations. Here we present a new approach to calibrate an agent-based model -- EpiCast -- using a large set of simulation ensembles for different major metropolitan areas of the United States. In particular, we propose: a new neural network based surrogate model able to simultaneously emulate all different locations; and a novel posterior estimation that provides not only more accurate posterior estimates of all parameters but enables the joint fitting of global parameters across regions.
• Abstract（参考訳）: 複雑な疫学モデルを観測データに校正することは、現在の病気のダイナミクス、すなわち生殖数の推定と信頼性の高い予測とシナリオ探索の両方を提供するための重要なステップである。 本稿では,米国の主要都市圏の大規模シミュレーションアンサンブルを用いて,エージェントベースモデルであるエピキャストを校正する新しい手法を提案する。 特に、全ての異なる位置を同時にエミュレートできる新しいニューラルネットワークベースのサロゲートモデルと、全てのパラメータのより正確な後続推定を提供するだけでなく、領域間のグローバルパラメータの結合フィッティングを可能にする新しい後続推定を提案する。

関連論文リスト

• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• On the calibration of compartmental epidemiological models [4.2456818663079865]
  本稿では,いくつかの最適化手法や強化学習など,適用可能な校正戦略の概要について述べる。 提案手法の利点と欠点を考察し,本実験の実践的結論を明らかにする。 異なる疫学的文脈におけるこれらのアプローチの有効性と拡張性を検証するためには、さらなる研究が必要である。
  論文  参考訳（メタデータ） (2023-12-09T03:57:06Z)
• A novel approach for predicting epidemiological forecasting parameters based on real-time signals and Data Assimilation [3.4901787251083163]
  我々は、様々なデータソースと融合手法を用いて、畳み込みニューラルネットワーク(CNN)モデルのアンサンブルを実装し、ロバストな予測を構築する。 気象信号とソーシャルメディアを用いた人口密度マップを組み合わせることで、ロンドンにおける新型コロナウイルスの流行予測の性能と柔軟性が向上した。
  論文  参考訳（メタデータ） (2023-07-03T17:05:29Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Discrepancies in Epidemiological Modeling of Aggregated Heterogeneous Data [1.433758865948252]
  本研究では, 複雑なシステムに直面すると, 伝染率などの疫学パラメータを推定するための最先端モデルが不適切であることを示す。 複数の流行から発生した入射曲線を組み合わせることで、複雑な発生シナリオを3つ生成する。 このベイズ推定フレームワークにおける2つのデータ生成モデルを評価する。
  論文  参考訳（メタデータ） (2021-06-20T03:41:19Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)
• OutbreakFlow: Model-based Bayesian inference of disease outbreak dynamics with invertible neural networks and its application to the COVID-19 pandemics in Germany [0.19791587637442667]
  専門的なニューラルネットワークを用いた疫学モデリングの新たな組み合わせを提案する。 我々は, 発生時間, 未検出感染数, 症状発症前の感染可能性, および, 非常に適度な量の実世界の観測による遅延の報告など, 重要な疾患特性に関する信頼性の高い確率推定値を得ることができる。
  論文  参考訳（メタデータ） (2020-10-01T11:01:49Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• An Epidemiological Modelling Approach for Covid19 via Data Assimilation [18.837659009007705]
  2019-nCovの世界的なパンデミックは、世界の隔離措置の将来の社会的・経済的コストを軽減するために、政策介入の評価を必要とする。 本稿では,変動データ同化による新しいデータをリアルタイムに組み込んだ予測・政策評価のための疫学モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-25T12:46:36Z)

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。