論文の概要: WLAN-Log-Based Superspreader Detection in the COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2102.11171v2
• Date: Mon, 29 Mar 2021 04:52:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 05:41:26.819433
• Title: WLAN-Log-Based Superspreader Detection in the COVID-19 Pandemic
• Title（参考訳）: 新型コロナウイルスパンデミックにおけるWLAN-Log-based Superspreaderの検出
• Authors: Cheng Zhang, Yunze Pan, Yunqi Zhang, Adam C. Champion, Zhaohui Shen, Dong Xuan, Zhiqiang Lin, Ness B. Shroff
• Abstract要約: 病気のスーパースプレッダー(Superspreader)とは、他者よりも社会的な接点を持つ人々のグループのことである。 本稿では,スーパースレッダ検出のための汎用フレームワークを提案する。 このフレームワークを実装し,大規模大学からの4100万のログエントリをデータセットとして評価した。
• 参考スコア（独自算出の注目度）: 40.432873467185146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying "superspreaders" of disease is a pressing concern for society during pandemics such as COVID-19. Superspreaders represent a group of people who have much more social contacts than others. The widespread deployment of WLAN infrastructure enables non-invasive contact tracing via people's ubiquitous mobile devices. This technology offers promise for detecting superspreaders. In this paper, we propose a general framework for WLAN-log-based superspreader detection. In our framework, we first use WLAN logs to construct contact graphs by jointly considering human symmetric and asymmetric interactions. Next, we adopt three vertex centrality measurements over the contact graphs to generate three groups of superspreader candidates. Finally, we leverage SEIR simulation to determine groups of superspreaders among these candidates, who are the most critical individuals for the spread of disease based on the simulation results. We have implemented our framework and evaluate it over a WLAN dataset with 41 million log entries from a large-scale university. Our evaluation shows superspreaders exist on university campuses. They change over the first few weeks of a semester, but stabilize throughout the rest of the term. The data also demonstrate that both symmetric and asymmetric contact tracing can discover superspreaders, but the latter performs better with daily contact graphs. Further, the evaluation shows no consistent differences among three vertex centrality measures for long-term (i.e., weekly) contact graphs, which necessitates the inclusion of SEIR simulation in our framework. We believe our proposed framework and these results may provide timely guidance for public health administrators regarding effective testing, intervention, and vaccination policies.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)などのパンデミックが続く中、社会にとって「スーパーリーダー」の特定が懸念される。 superspreadersは、他の人よりずっとソーシャルな交流相手を持つ人々のグループを表している。 wlanインフラストラクチャの広範な展開により、ユビキタスなモバイルデバイスを介して非侵襲的な接触追跡が可能になる。 この技術はスーパースプレッダを検出するための約束を提供する。 本稿では,WLAN-log-based Superspreader 検出のための汎用フレームワークを提案する。 本稿では,まずwlanログを用いて,人間の対称相互作用と非対称相互作用を同時に考慮し,接触グラフを構築する。 次に,接点グラフ上の3つの頂点中心性測定を用いて,スーパースプリーダー候補の3つのグループを生成する。 最後に,SEIR シミュレーションを用いて,これらの候補のうちのスーパースレッダ群を同定し,そのシミュレーション結果に基づいて疾患の拡散に最も重要な個人であることを示す。 我々はこのフレームワークを実装し,大規模大学からの4100万のログエントリを持つWLANデータセットを用いて評価した。 我々の評価は大学のキャンパスにスーパースプレッドラーが存在することを示している。 学期の最初の数週間で変化するが、残りの期間は安定している。 このデータはまた、対称な接触追跡と非対称な接触追跡の両方がスーパースプレッダを発見することができることを示した。 さらに,本フレームワークにSEIRシミュレーションを組み込む必要のある,長期(週毎)のコンタクトグラフに対する3つの頂点集中度尺度に一貫した差異は示さない。 提案する枠組みとこれらの結果は,効果的な検査,介入,予防接種政策に関して,公衆衛生管理者にタイムリーなガイダンスを与える可能性がある。

関連論文リスト

• Scalable Multi-agent Covering Option Discovery based on Kronecker Graphs [49.71319907864573]
  本稿では,分解が容易なマルチエージェントスキル発見法を提案する。 我々のキーとなる考え方は、合同状態空間をクロネッカーグラフとして近似することであり、そのフィドラーベクトルを直接見積もることができる。 ラプラシアンスペクトルを直接計算することは、無限大の状態空間を持つタスクには難易度が高いことを考慮し、さらに本手法の深層学習拡張を提案する。
  論文  参考訳（メタデータ） (2023-07-21T14:53:12Z)
• Human Mobility Modeling During the COVID-19 Pandemic via Deep Graph Diffusion Infomax [40.18153418511126]
  非薬剤干渉(NPI)は、人の接触を減らすことで、新型コロナウイルスの感染を遅らせる効果を示した。 本研究は、モビリティモデリングに焦点を当て、新型コロナウイルスの患者が訪れる場所を予測することを目的としている。 本稿では,DGDI (Deep Graph Diffusion Infomax) というモデルを提案する。
  論文  参考訳（メタデータ） (2022-12-12T05:15:47Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• QuTE: decentralized multiple testing on sensor networks with false discovery rate control [130.7122910646076]
  本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。 異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。 各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
  論文  参考訳（メタデータ） (2022-10-09T19:48:39Z)
• GROWL: Group Detection With Link Prediction [0.0]
  グラフニューラルネットワーク(GNN)に基づくグループ検出に対する総合的アプローチを提案する。 提案手法であるGROup Detection With Link Predictionは,GNNに基づく手法の有効性を実証する。 以上の結果から,GNNに基づくアプローチは,異なるカメラビューにおける精度を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-11-08T11:52:48Z)
• Embedding Signals on Knowledge Graphs with Unbalanced Diffusion Earth Mover's Distance [63.203951161394265]
  現代の機械学習では、多くの領域における観測間の相互作用や類似性によって生じる大きなグラフに遭遇することが一般的である。 本研究では,地球移動器距離(EMD)と測地コストを基礎となるグラフ上で比較し,グラフ信号のデータセットを整理する。 いずれの場合も,UDEMDをベースとした埋め込みは,他の手法と比較して高精度な距離を求めることができる。
  論文  参考訳（メタデータ） (2021-07-26T17:19:02Z)
• AMA-GCN: Adaptive Multi-layer Aggregation Graph Convolutional Network for Disease Prediction [20.19380805655623]
  空間分布に応じて適切な表現型尺度を自動的に選択するエンコーダを提案する。 また,多層アグリゲーション機構を用いた新しいグラフ畳み込みネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-06-16T12:13:23Z)
• Maximum Mean Discrepancy Test is Aware of Adversarial Attacks [122.51040127438324]
  最大平均誤差(MMD)テストは、原則として2つのデータセット間の分布誤差を検出できる。 MMD検査は敵の攻撃に気づいていないことが示されている。
  論文  参考訳（メタデータ） (2020-10-22T03:42:12Z)
• WiFiTrace: Network-based Contact Tracing for Infectious Diseases Using Passive WiFi Sensing [0.0]
  WiFiTraceは、クライアント側を介さずに、パッシブWiFiセンシングに依存する、接触追跡のためのネットワーク中心のアプローチである。 弊社のアプローチでは、企業ネットワークが収集したWiFiネットワークログを、パフォーマンスとセキュリティ監視に活用する。
  論文  参考訳（メタデータ） (2020-05-25T11:42:22Z)

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。