論文の概要: Epidemic inference through generative neural networks

• arxiv url: http://arxiv.org/abs/2111.03383v2
• Date: Mon, 8 Nov 2021 09:47:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 12:22:35.681613
• Title: Epidemic inference through generative neural networks
• Title（参考訳）: 生成ニューラルネットワークによるてんかんの推論
• Authors: Indaco Biazzo, Alfredo Braunstein, Luca Dall'Asta, Fabio Mazza
• Abstract要約: 我々は、観測と互換性のある最も可能性の高い感染カスケードをサンプリングできる新しい生成ニューラルネットワークフレームワークを提案する。 このフレームワークは、感染の拡散を管理するパラメータを推測することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing missing information in epidemic spreading on contact networks can be essential in prevention and containment strategies. For instance, identifying and warning infective but asymptomatic individuals (e.g., manual contact tracing) helped contain outbreaks in the COVID-19 pandemic. The number of possible epidemic cascades typically grows exponentially with the number of individuals involved. The challenge posed by inference problems in the epidemics processes originates from the difficulty of identifying the almost negligible subset of those compatible with the evidence (for instance, medical tests). Here we present a new generative neural networks framework that can sample the most probable infection cascades compatible with observations. Moreover, the framework can infer the parameters governing the spreading of infections. The proposed method obtains better or comparable results with existing methods on the patient zero problem, risk assessment, and inference of infectious parameters in synthetic and real case scenarios like spreading infections in workplaces and hospitals.
• Abstract（参考訳）: ネットワーク上での感染拡大における欠落情報の再構築は, 予防と封じ込め戦略において不可欠である。 例えば、感染性だが無症状の個人(例えば、手動接触追跡など)を特定し警告することは、COVID-19パンデミックの流行を抑えるのに役立った。 起こりうる流行のカスケードの数は、通常、関与する個体数とともに指数関数的に増加する。 流行過程における推論問題によって生じる課題は、証拠(例えば医療検査)に適合する部分集合のほとんど無視できない部分集合を特定することが困難であることから生じる。 本稿では、観察と互換性のある最も可能性の高い感染カスケードをサンプリングできる新しい生成型ニューラルネットワークフレームワークを提案する。 さらに、この枠組みは感染拡大を規定するパラメータを推測することができる。 提案手法は, 患者ゼロ問題に対する既往の方法, リスクアセスメント, 職場や病院における感染拡大など, 総合的, 実例シナリオにおける感染パラメータの推測について, より良い, あるいは同等の結果を得る。

関連論文リスト

• Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
  拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。 我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。 この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-06-12T02:34:24Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting Epidemics [2.705025060422369]
  感染性疾患は、世界中でヒトの病気や死亡の原因となっている。 感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
  論文  参考訳（メタデータ） (2022-06-21T19:31:25Z)
• A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19 [64.88701052813462]
  新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。 この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。 本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-13T03:28:20Z)
• 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)
• OutbreakFlow: Model-based Bayesian inference of disease outbreak dynamics with invertible neural networks and its application to the COVID-19 pandemics in Germany [0.19791587637442667]
  専門的なニューラルネットワークを用いた疫学モデリングの新たな組み合わせを提案する。 我々は, 発生時間, 未検出感染数, 症状発症前の感染可能性, および, 非常に適度な量の実世界の観測による遅延の報告など, 重要な疾患特性に関する信頼性の高い確率推定値を得ることができる。
  論文  参考訳（メタデータ） (2020-10-01T11:01:49Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)
• Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots [18.227721607607183]
  複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。 個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。 我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
  論文  参考訳（メタデータ） (2020-04-15T17:18:32Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。