Fugu-MT 論文翻訳(概要): Estimating the State of Epidemics Spreading with Graph Neural Networks

論文の概要: Estimating the State of Epidemics Spreading with Graph Neural Networks

arxiv url: http://arxiv.org/abs/2105.05060v1
Date: Mon, 10 May 2021 13:54:13 GMT
ステータス: 処理完了
システム内更新日: 2021-05-13 08:41:13.166212
Title: Estimating the State of Epidemics Spreading with Graph Neural Networks
Title（参考訳）: グラフニューラルネットワークによるエピデミクス拡散状態の推定
Authors: Abhishek Tomy, Matteo Razzanelli, Francesco Di Lauro, Daniela Rus, Cosimo Della Santina
Abstract要約: アルゴリズム解は、限られた量の措置から人口全体の状態を推測するために使うことができる。この課題を解決するために,深層ニューラルネットワークの能力を分析する。
参考スコア（独自算出の注目度）: 41.93923100501976
License: http://creativecommons.org/licenses/by/4.0/
Abstract: When an epidemic spreads into a population, it is often unpractical or impossible to have a continuous monitoring of all subjects involved. As an alternative, algorithmic solutions can be used to infer the state of the whole population from a limited amount of measures. We analyze the capability of deep neural networks to solve this challenging task. Our proposed architecture is based on Graph Convolutional Neural Networks. As such it can reason on the effect of the underlying social network structure, which is recognized as the main component in the spreading of an epidemic. We test the proposed architecture with two scenarios modeled on the CoVid-19 pandemic: a generic homogeneous population, and a toy model of Boston metropolitan area.
Abstract（参考訳）: 疫病が集団に広まると、関連するすべての被験者を継続的に監視することは、しばしば非実践的または不可能である。代替案として、アルゴリズム解は限られた量の措置から人口全体の状態を推測するために使うことができる。この課題を解決するために,深層ニューラルネットワークの能力を分析する。提案するアーキテクチャはグラフ畳み込みニューラルネットワークに基づいている。そのため、感染拡大の主要因として認識されている、基盤となるソーシャルネットワーク構造の影響を理にかなっている。提案アーキテクチャは,CoVid-19パンデミックをモデルとした2つのシナリオ,一般的な同種集団とボストン大都市圏のおもちゃモデルを用いて検証した。

関連論文リスト

Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。 HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。 HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
論文参考訳（メタデータ） (2024-11-26T12:29:45Z)
MSGNN: Multi-scale Spatio-temporal Graph Neural Network for Epidemic Forecasting [4.635793210136456]
感染症の予測は重要な焦点であり、疫病の予防に不可欠であることが証明されている。グラフニューラルネットワーク(GNN)の深さ拡大による受容場の拡大我々は、革新的なマルチスケールビューに基づいて、マルチスケール時空間グラフニューラルネットワーク(MSGNN)を考案する。
論文参考訳（メタデータ） (2023-08-30T08:21:56Z)
Forecasting West Nile Virus with Graph Neural Networks: Harnessing Spatial Dependence in Irregularly Sampled Geospatial Data [0.0]
イリノイ州における西ナイルウイルスの存在を予測するために,空間認識型グラフニューラルネットワークモデルを適用した。より一般的に、不規則サンプリングされた地理空間データに適用されたグラフニューラルネットワークは、様々なベースライン法の性能を超える可能性があることを示す。
論文参考訳（メタデータ） (2022-12-21T21:08:45Z)
An Extended Epidemic Model on Interconnected Networks for COVID-19 to Explore the Epidemic Dynamics [2.89591830279936]
パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
論文参考訳（メタデータ） (2021-04-10T06:46:01Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
Controlling Graph Dynamics with Reinforcement Learning and Graph Neural Networks [86.05566365115729]
本稿では,グラフ上の部分的に観測された動的過程を,限られた数の介入で制御する問題を考察する。この問題は、ウイルス検査をスケジュールして流行を抑えるといった文脈で自然に発生する。これを時間グラフプロセス上の決定問題として定式化する。
論文参考訳（メタデータ） (2020-10-11T18:44:50Z)
Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文参考訳（メタデータ） (2020-09-27T12:30:30Z)
Edge-variational Graph Convolutional Networks for Uncertainty-aware Disease Prediction [7.6146285961466]
本研究では、画像データと非画像データを自動的に統合し、不確実性を考慮した疾患予測を行うための一般化可能なフレームワークを提案する。 4つのデータベースを用いた実験結果から,自閉症スペクトラム障害,アルツハイマー病,眼疾患の診断精度を一貫して改善できることがわかった。
論文参考訳（メタデータ） (2020-09-06T15:53:17Z)
Finding Patient Zero: Learning Contagion Source with Graph Neural Networks [67.3415507211942]
感染源の特定は、感染の感染経路に関する重要な洞察を与えることができる。既存の方法はグラフ理論測度と高価なメッセージパッシングアルゴリズムを用いる。グラフニューラルネットワーク(GNN)を用いてP0を学習し,この問題を再考する。
論文参考訳（メタデータ） (2020-06-21T21:12:44Z)
Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
論文参考訳（メタデータ） (2020-02-11T13:58:16Z)

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。