論文の概要: Reinforced Contact Tracing and Epidemic Intervention

• arxiv url: http://arxiv.org/abs/2102.08251v1
• Date: Thu, 4 Feb 2021 08:31:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:33:22.093982
• Title: Reinforced Contact Tracing and Epidemic Intervention
• Title（参考訳）: 強化コンタクトトラクションとエピデミック・インターベンション
• Authors: Tao Feng, Sirui Song, Tong Xia, Yong Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.141401074784406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recent outbreak of COVID-19 poses a serious threat to people's lives. Epidemic control strategies have also caused damage to the economy by cutting off humans' daily commute. In this paper, we develop an Individual-based Reinforcement Learning Epidemic Control Agent (IDRLECA) to search for smart epidemic control strategies that can simultaneously minimize infections and the cost of mobility intervention. IDRLECA first hires an infection probability model to calculate the current infection probability of each individual. Then, the infection probabilities together with individuals' health status and movement information are fed to a novel GNN to estimate the spread of the virus through human contacts. The estimated risks are used to further support an RL agent to select individual-level epidemic-control actions. The training of IDRLECA is guided by a specially designed reward function considering both the cost of mobility intervention and the effectiveness of epidemic control. Moreover, we design a constraint for control-action selection that eases its difficulty and further improve exploring efficiency. Extensive experimental results demonstrate that IDRLECA can suppress infections at a very low level and retain more than 95% of human mobility.
• Abstract（参考訳）: 新型コロナウイルスの流行は、人々の生活に深刻な脅威をもたらす。 エピデミックコントロール戦略は、人間の毎日の通勤を遮断することで経済に打撃を与えている。 本稿では,感染の最小化と移動介入のコストを両立できるスマートな流行対策戦略を探索するために,個別の強化学習型流行防止剤 (idrleca) を開発した。 IDRLECAはまず感染確率モデルを使用し、各個体の現在の感染確率を算出する。 そして、その感染確率と個人の健康状態および移動情報とを新規gnnに供給して、ヒトとの接触を介してウイルスの拡散を推定する。 推定リスクは、RLエージェントを更に支援し、個別レベルの疫病対策を選択するために使用される。 IDRLECAのトレーニングは、モビリティ介入のコストと疫病対策の効果の両方を考慮して特別に設計された報酬関数によって導かれる。 さらに,その難易度を軽減し,探索効率をさらに向上させる制御行動選択の制約を設計する。 大規模な実験の結果、IDRLECAは感染を非常に低レベルに抑制し、95%以上の人体移動を維持できることが示された。

関連論文リスト

• Reinforcement Learning for Safe Occupancy Strategies in Educational Spaces during an Epidemic [9.68145635795782]
  本研究は、感染の最小化と教育環境における対人交流の最大化を両立させる戦略を開発するための強化学習(RL)に焦点を当てる。 感染拡大をシミュレートし,様々なRLアルゴリズムの探索を容易にする新しいツールであるSafeCampusを紹介する。
  論文  参考訳（メタデータ） (2023-12-23T04:51:23Z)
• 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)
• 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)
• Improving epidemic testing and containment strategies using machine learning [0.31498833540989407]
  機械学習は、どの個人がテストに最も有益かを特定するのに利用できることを示す。 SIRモデルを用いて流行をシミュレートした。 確認された最初のケースに関するデータを使って、ニューラルネットワークをトレーニングし、残りの人口について予測することを学びます。
  論文  参考訳（メタデータ） (2020-11-23T20:46:01Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• 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)
• Reinforced Epidemic Control: Saving Both Lives and Economy [14.008719195238774]
  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。
  論文  参考訳（メタデータ） (2020-08-04T00:44:54Z)
• 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。