論文の概要: Screening for an Infectious Disease as a Problem in Stochastic Control
- arxiv url: http://arxiv.org/abs/2011.00635v1
- Date: Sun, 1 Nov 2020 22:03:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:13:10.422279
- Title: Screening for an Infectious Disease as a Problem in Stochastic Control
- Title(参考訳): 確率的制御の課題としての感染症のスクリーニング
- Authors: Jakub Marecek
- Abstract要約: トンプソンサンプリングはベイズ後悔の形で、確実に最適な性能を保証する。
トンプソンサンプリングは特に病気に当てはまるようで、スーパースプレッドのCOVID-19など、ダイナミクスをよく理解していない。
- 参考スコア(独自算出の注目度): 6.1678491628787455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There has been much recent interest in screening populations for an
infectious disease. Here, we present a stochastic-control model, wherein the
optimum screening policy is provably difficult to find, but wherein Thompson
sampling has provably optimal performance guarantees in the form of Bayesian
regret. Thompson sampling seems applicable especially to diseases, for which we
do not understand the dynamics well, such as to the super-spreading COVID-19.
- Abstract(参考訳): 近年,感染症のスクリーニングに多くの関心が寄せられている。
本稿では,最適なスクリーニング方針を見出すのが困難である確率制御モデルを提案する。しかし,トンプソンサンプリングはベイズ後悔の形で最適性能を保証する。
トンプソンサンプリングは特に病気に当てはまるようで、スーパースプレッドのCOVID-19など、ダイナミクスをよく理解していない。
関連論文リスト
- Discovering COVID-19 Coughing and Breathing Patterns from Unlabeled Data
Using Contrastive Learning with Varying Pre-Training Domains [3.935053618942546]
本研究は,非ウイルス性うさぎの呼吸パターン発見のための,対照的な学習に基づくモデリング手法を提案する。
以上の結果から, 提案モデルでは, ラベル付けされていないデータやラベル付けされていない非新型コロナウイルスを, 0.81 と 0.86 の精度で効果的に識別できることが示唆された。
論文 参考訳(メタデータ) (2023-06-02T18:41:39Z) - 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) - Can a latent Hawkes process be used for epidemiological modelling? [0.0]
我々は,潜伏するホークスプロセスを用いた新しい流行モデルを導入する。
報告された事例を,基礎となるホークス過程によって駆動される確率分布を用いてモデル化する。
潜伏ケースと再生数の両方を推定するためのカーネル密度粒子フィルタ(KDPF)を提案する。
論文 参考訳(メタデータ) (2022-08-15T17:09:48Z) - Partial Likelihood Thompson Sampling [18.059421254087976]
感染性疾患の新しい病種に対する予防を提供する既存のワクチンをターゲットし、優先する最良の方法を決定することの問題点を考察する。
本稿では,これらの課題に対処できる部分的確率型トンプソンサンプリング法を提案する。
論文 参考訳(メタデータ) (2022-03-02T02:12:55Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳(メタデータ) (2021-05-04T19:01:40Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Asymptotic Convergence of Thompson Sampling [0.0]
トンプソンサンプリングは、様々なオンライン学習タスクにおいて効果的なポリシーであることが示されている。
我々は、準線形ベイズ的後悔を仮定して、トンプソンサンプリングの収束結果を証明した。
この結果はトンプソンサンプリングに固有のマーチンゲール構造に依存している。
論文 参考訳(メタデータ) (2020-11-08T07:36:49Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳(メタデータ) (2020-09-12T20:37:33Z) - Analysis and Design of Thompson Sampling for Stochastic Partial
Monitoring [91.22679787578438]
部分モニタリングのためのトンプソンサンプリングに基づく新しいアルゴリズムを提案する。
局所可観測性を持つ問題の線形化変種に対して,新たなアルゴリズムが対数問題依存の擬似回帰$mathrmO(log T)$を達成することを証明した。
論文 参考訳(メタデータ) (2020-06-17T05:48:33Z) - Forecasting the Spread of Covid-19 Under Control Scenarios Using LSTM
and Dynamic Behavioral Models [2.11622808613962]
本研究では,Long Short-term memory (LSTM)人工リカレントニューラルネットワークと動的行動モデルを組み合わせた新しいハイブリッドモデルを提案する。
提案モデルでは, 最上位10か国, オーストラリアにおいて, 死亡率の予測精度を高めるために, 複数因子の効果を考察した。
論文 参考訳(メタデータ) (2020-05-24T10:43:55Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳(メタデータ) (2020-04-26T23:41:33Z)
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。