論文の概要: Pyfectious: An individual-level simulator to discover optimal
containment polices for epidemic diseases
- arxiv url: http://arxiv.org/abs/2103.15561v1
- Date: Wed, 24 Mar 2021 10:54:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 01:34:47.324296
- Title: Pyfectious: An individual-level simulator to discover optimal
containment polices for epidemic diseases
- Title（参考訳）: Pyfectious:疫病の予防に最適な封じ込め警察を見つけるための個人レベルのシミュレータ
- Authors: Arash Mehrjou, Ashkan Soleymani, Amin Abyaneh, Bernhard Sch\"olkopf,
Stefan Bauer
- Abstract要約: 本研究では、集団構造をモデル化し、疾患の伝播を個人レベルで制御できるシミュレータを提案する。
潜在的な応用を示すため、シミュレーターパラメータは新型コロナウイルスのパンデミックの正式な統計に基づいて設定される。
このシミュレーターは、パンデミックを制御するための最適なポリシーを見つけるために強化学習問題の環境として使用される。
- 参考スコア（独自算出の注目度）: 16.28189705178286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simulating the spread of infectious diseases in human communities is critical
for predicting the trajectory of an epidemic and verifying various policies to
control the devastating impacts of the outbreak. Many existing simulators are
based on compartment models that divide people into a few subsets and simulate
the dynamics among those subsets using hypothesized differential equations.
However, these models lack the requisite granularity to study the effect of
intelligent policies that influence every individual in a particular way. In
this work, we introduce a simulator software capable of modeling a population
structure and controlling the disease's propagation at an individualistic
level. In order to estimate the confidence of the conclusions drawn from the
simulator, we employ a comprehensive probabilistic approach where the entire
population is constructed as a hierarchical random variable. This approach
makes the inferred conclusions more robust against sampling artifacts and gives
confidence bounds for decisions based on the simulation results. To showcase
potential applications, the simulator parameters are set based on the formal
statistics of the COVID-19 pandemic, and the outcome of a wide range of control
measures is investigated. Furthermore, the simulator is used as the environment
of a reinforcement learning problem to find the optimal policies to control the
pandemic. The obtained experimental results indicate the simulator's
adaptability and capacity in making sound predictions and a successful policy
derivation example based on real-world data. As an exemplary application, our
results show that the proposed policy discovery method can lead to control
measures that produce significantly fewer infected individuals in the
population and protect the health system against saturation.
- Abstract（参考訳）: ヒトのコミュニティにおける感染症の拡散のシミュレーションは、流行の軌跡を予測し、流行の壊滅的な影響を制御するための様々な政策を検証するために重要である。
多くの既存のシミュレータは、人をいくつかのサブセットに分割し、仮説化された微分方程式を用いてそれらのサブセット間の力学をシミュレートするコンパートメントモデルに基づいている。
しかし、これらのモデルは、個々の個人に特定の方法で影響を与えるインテリジェントな政策の効果を研究するための必要な粒度を欠いている。
本研究では,個体群構造をモデル化し,疾患の伝播を個別性レベルで制御できるシミュレータソフトウェアを提案する。
シミュレーションから得られた結論の信頼度を推定するために,集団全体を階層的確率変数として構成する包括的確率論的アプローチを採用する。
このアプローチにより、推定された結論はサンプリングされたアーティファクトに対してより強固になり、シミュレーション結果に基づいて決定に自信を与える。
潜在的な応用例を示すために,covid-19パンデミックの形式統計に基づいてシミュレータパラメータを設定し,幅広い対策の結果について検討する。
さらに,このシミュレータを強化学習問題の環境として活用し,パンデミック対策の最適方針を見いだす。
得られた実験結果から,シミュレータの適応性と音響予測能力,実世界データに基づく方針導出事例が得られた。
事例として,本研究の結果から,本手法は,人口が有意に減少し,健康系が飽和から保護されるような対策に繋がる可能性が示唆された。
関連論文リスト
- Epidemic Control on a Large-Scale-Agent-Based Epidemiology Model using
Deep Deterministic Policy Gradient [0.7244731714427565]
ロックダウン、急激な予防接種プログラム、学校閉鎖、経済刺激は、肯定的または意図しない否定的な結果をもたらす可能性がある。
ラウンドトリップを通じて自動的に最適な介入をモデル化し決定するための現在の研究は、シミュレーション目標、スケール(数千人)、介入研究に適さないモデルタイプ、探索可能な介入戦略の数(離散対連続)によって制限されている。
我々は,大規模(100,000人)の疫学的エージェントに基づくシミュレーションに基づいて,DDPGに基づく政策最適化フレームワークを用いて,これらの課題に対処する。
論文 参考訳（メタデータ） (2023-04-10T09:26:07Z) - Model Predictive Control with Gaussian-Process-Supported Dynamical
Constraints for Autonomous Vehicles [82.65261980827594]
本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。
マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
論文 参考訳（メタデータ） (2023-03-08T17:14:57Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Multi-scale simulation of COVID-19 epidemics [0.0]
新型コロナウイルスの感染拡大が始まってから1年以上が経過している。
今後数週間にわたって広がる未来と、潜在的な政治的介入の影響を正確に予測することは難しい」と述べた。
現在の流行モデルは主に2つのアプローチに該当する: 分割モデル、人口を疫学クラスに分け、微分方程式の数学的解決に依存する。
論文 参考訳（メタデータ） (2021-12-02T12:34:11Z) - 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) - Risk-Sensitive Sequential Action Control with Multi-Modal Human
Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。
私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。
シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
論文 参考訳（メタデータ） (2020-09-12T02:02:52Z) - Improving Maximum Likelihood Training for Text Generation with Density
Ratio Estimation [51.091890311312085]
本稿では,テキスト生成で遭遇する大規模なサンプル空間において,効率よく安定な自動回帰シーケンス生成モデルのトレーニング手法を提案する。
本手法は,品質と多様性の両面で,最大類似度推定や他の最先端シーケンス生成モデルよりも安定に優れている。
論文 参考訳（メタデータ） (2020-07-12T15:31:24Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Simulation-Based Inference for Global Health Decisions [9.850436827722419]
機械学習における最近のブレークスルー、特にシミュレーションベースの推論について論じる。
研究をさらに刺激するために、新型コロナウイルスとマラリア疫学モデルを確率的プログラムに変えるソフトウェアインターフェースを開発している。
論文 参考訳（メタデータ） (2020-05-14T15:29:45Z) - Planning as Inference in Epidemiological Models [15.097226158765334]
既存の疫学モデルで推論を行うことにより,感染症対策政策プロセスの一部を自動化する方法を実証する。
本稿では,既存のシミュレータにおける推論を自動化する確率型プログラミング言語の使用について説明する。
論文 参考訳（メタデータ） (2020-03-30T05:10:26Z)
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。