論文の概要: Data-driven Optimization Model for Global Covid-19 Intervention Plans
- arxiv url: http://arxiv.org/abs/2104.07865v1
- Date: Fri, 16 Apr 2021 02:56:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 11:12:36.692621
- Title: Data-driven Optimization Model for Global Covid-19 Intervention Plans
- Title（参考訳）: グローバルコビッド-19インターベンション計画のためのデータ駆動最適化モデル
- Authors: Chang Liu, Akshay Budhkar
- Abstract要約: 新型コロナウイルス(COVID-19)の感染拡大に伴い、各国政府は経済への影響を最小限に抑えつつ、感染者の数を減少させる最善の介入を見つけるために集結している。
本稿では,最小限の新規症例数と経済的影響の両方を最適化する介入計画を規定する整数プログラミング手法について述べる。
- 参考スコア（独自算出の注目度）: 5.565573622844362
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the wake of COVID-19, every government huddles to find the best
interventions that will reduce the number of infection cases while minimizing
the economic impact. However, with many intervention policies available, how
should one decide which policy is the best course of action? In this work, we
describe an integer programming approach to prescribe intervention plans that
optimizes for both the minimal number of daily new cases and economic impact.
We present a method to estimate the impact of intervention plans on the number
of cases based on historical data. Finally, we demonstrate visualizations and
summaries of our empirical analyses on the performance of our model with
varying parameters compared to two sets of heuristics.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染拡大に伴い、各国政府は経済への影響を最小限に抑えつつ、感染者の数を減少させる最善の介入を見つけるために集結している。
しかし、多くの介入政策が利用可能であれば、どの政策が最善の行動経路であるかをどうやって決めるべきか。
本稿では,毎日の新規ケース数と経済への影響を最小化する介入計画を作成するための整数型プログラミング手法について述べる。
本稿では,介入計画が過去のデータに基づく事例数に与える影響を推定する手法を提案する。
最後に,2組のヒューリスティックスと比較して,パラメータの異なるモデルの性能に関する経験的分析の可視化と要約を示す。
関連論文リスト
- Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [61.580419063416734]
最近の構造化学習手法のストリームは、様々な最適化問題に対する技術の実践的状態を改善している。
鍵となる考え方は、インスタンスを別々に扱うのではなく、インスタンス上の統計分布を利用することだ。
本稿では,最適化を容易にし,一般化誤差を改善するポリシを摂動することでリスクを円滑にする手法について検討する。
論文 参考訳（メタデータ） (2024-07-24T12:00:30Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。
本稿では,関数近似に適合する2つの実験計画戦略を提案する。
そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文 参考訳（メタデータ） (2024-01-10T14:40:23Z) - 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) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳（メタデータ） (2023-03-28T00:23:23Z) - Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。
患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。
患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-21T21:42:03Z) - Machine Learning-Powered Mitigation Policy Optimization in
Epidemiological Models [33.88734751290751]
疫学モデルに基づく最適な政策勧告を得るための新しいアプローチを提案する。
このようなルックアヘッド戦略は、指定された制約に順応する非自明なポリシーを推測する。
論文 参考訳（メタデータ） (2020-10-16T16:27:17Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z) - Counterfactual Learning of Stochastic Policies with Continuous Actions:
from Models to Offline Evaluation [41.21447375318793]
コンテクストとアクションを融合したカーネルを組み込んだモデリング戦略を導入する。
対実学習の最適化の側面が重要であることを実証的に示す。
実世界のログシステムにおけるオフラインポリシーの評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-04-22T07:42:30Z)
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。