論文の概要: Multi-layer network approach in modeling epidemics in an urban town
- arxiv url: http://arxiv.org/abs/2109.02272v4
- Date: Wed, 25 Jan 2023 15:45:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 00:58:01.780037
- Title: Multi-layer network approach in modeling epidemics in an urban town
- Title（参考訳）: 都市の流行モデルにおける多層ネットワークアプローチ
- Authors: Meliksah Turker and Haluk O. Bingol
- Abstract要約: 都市部における実生活を高解像度で表現するための新しい多層ネットワークモデルを提案する。
我々のシミュレーションは、"フレンドシップ"層をロックダウンすることは、流行の減速に最も影響していることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The last three years have been an extraordinary time with the Covid-19
pandemic killing millions, affecting and distressing billions of people
worldwide. Authorities took various measures such as turning school and work to
remote and prohibiting social relations via curfews. In order to mitigate the
negative impact of the epidemics, researchers tried to estimate the future of
the pandemic for different scenarios, using forecasting techniques and
epidemics simulations on networks. Intending to better represent the real-life
in an urban town in high resolution, we propose a novel multi-layer network
model, where each layer corresponds to a different interaction that occurs
daily, such as "household", "work" or "school". Our simulations indicate that
locking down "friendship" layer has the highest impact on slowing down
epidemics. Hence, our contributions are twofold, first we propose a parametric
network generator model; second, we run SIR simulations on it and show the
impact of layers.
- Abstract（参考訳）: 過去3年間、新型コロナウイルス(COVID-19)のパンデミックで何百万人もが死亡し、世界中の何十億人もの人々を苦しめてきた。
当局は学校や仕事の転向や、外出禁止令による社会関係の禁止など様々な措置を講じた。
感染拡大の悪影響を軽減するため、研究者らは予測技術とネットワーク上の流行シミュレーションを用いて、さまざまなシナリオでパンデミックの将来を推定しようとした。
都市における実生活を高分解能で表現することを目的として,各層が日常的に発生する「家」,「仕事」,「学校」といった異なる相互作用に対応する,新しい多層ネットワークモデルを提案する。
我々のシミュレーションは、"フレンドシップ"層のロックダウンが流行の減速に最も影響を与えていることを示している。
したがって、我々の貢献は2倍であり、まずパラメトリックネットワーク生成モデルを提案し、次に、SIRシミュレーションを実行し、層の影響を示す。
関連論文リスト
- High-Resolution Agent-Based Modeling of Campus Population Behaviors for Pandemic Response Planning [0.20718016474717196]
大学構内におけるパンデミック対策計画への高分解能エージェントベースモデリングとシミュレーションの適用事例を報告する。
我々はこの問題を多層輸送ネットワーク上でのエージェントマイグレーションプロセスとして概念化した。
典型例の平日, 25,000人以上のエージェントを対象に, キャンパス全体の集団行動のシミュレーションを行った。
論文 参考訳（メタデータ） (2024-05-18T23:22:41Z) - Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent
Dynamical Systems [70.84976977950075]
実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。
本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。
我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
論文 参考訳（メタデータ） (2024-02-29T23:07:07Z) - Modeling and Optimization of Epidemiological Control Policies Through
Reinforcement Learning [0.0]
パンデミックの影響は、特定の制限をコミュニティに課すことによって最小化することができる。
感染と死亡率を最小限に抑える一方で、これらの制限は経済的危機につながる可能性がある。
我々は、報酬関数に基づくパンデミックシミュレーションに最適な制限を強制するために、強化学習エージェントを訓練する。
論文 参考訳（メタデータ） (2024-01-25T22:39:39Z) - 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) - Safety-compliant Generative Adversarial Networks for Human Trajectory
Forecasting [95.82600221180415]
群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。
SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
論文 参考訳（メタデータ） (2022-09-25T15:18:56Z) - Multiwave COVID-19 Prediction via Social Awareness-Based Graph Neural
Networks using Mobility and Web Search Data [0.0]
移動データを用いた第1発生波を予測する既存の予測モデルは、マルチウェーブ予測には適用できない可能性がある。
本稿では,症状関連Web検索周波数の減衰を考慮したソーシャルアウェアネスに基づくグラフニューラルネットワーク(SAB-GNN)を提案する。
我々は,2020年4月から2021年5月までのモビリティとWeb検索データを用いて,東京地域での今後のパンデミックの発生を予測するためのモデルを訓練した。
論文 参考訳（メタデータ） (2021-10-22T04:24:50Z) - JKOnet: Proximal Optimal Transport Modeling of Population Dynamics [69.89192135800143]
入力凸ニューラルネットワーク(ICNN)を用いて解いた(小さな)最適変位と測定値のエネルギーモデルを組み合わせたニューラルアーキテクチャを提案する。
人口動態の説明と予測のためのモデルの適用性を実証する。
論文 参考訳（メタデータ） (2021-06-11T12:30:43Z) - Forecast Analysis of the COVID-19 Incidence in Lebanon: Prediction of
Future Epidemiological Trends to Plan More Effective Control Programs [0.0]
レバノンにおけるcovid-19の拡散をエージェントベースのモデルを用いてシミュレーションする。
シミュレーション中に、異なる非薬学介入を導入することができる。
我々は、予防接種キャンペーンがまだ国で遅い間、学校の開校を遅らせる方が良いと結論付けました。
論文 参考訳（メタデータ） (2021-05-11T08:07:03Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - 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) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z)
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。