論文の概要: A Stochastic Graph-based Model for the Simulation of SARS-CoV-2 Transmission

• arxiv url: http://arxiv.org/abs/2111.05802v1
• Date: Wed, 10 Nov 2021 16:50:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 12:10:20.920158
• Title: A Stochastic Graph-based Model for the Simulation of SARS-CoV-2 Transmission
• Title（参考訳）: sars-cov-2伝送シミュレーションのための確率グラフモデル
• Authors: Christos Chondros, Stavros D. Nikolopoulos, Iosif Polenakis
• Abstract要約: 本稿では,SARS-CoV-2伝送シミュレーションのためのグラフベースモデルを提案する。 提案手法には,空間モデル,移動モデル,伝播モデルという3つのサブモデルが組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we propose the design principles of a stochastic graph-based model for the simulation of SARS-CoV-2 transmission. The proposed approach incorporates three sub-models, namely, the spatial model, the mobility model, and the propagation model, in order to develop a realistic environment for the study of the properties exhibited by the spread of SARS-CoV-2. The spatial model converts images of real cities taken from Google Maps into undirected weighted graphs that capture the spatial arrangement of the streets utilized next for the mobility of individuals. The mobility model implements a stochastic agent-based approach, developed in order to assign specific routes to individuals moving in the city, through the use of stochastic processes, utilizing the weights of the underlying graph to deploy shortest path algorithms. The propagation model implements both the epidemiological model and the physical substance of the transmission of an airborne virus considering the transmission parameters of SARS-CoV-2. Finally, we integrate these sub-models in order to derive an integrated framework for the study of the epidemic dynamics exhibited through the transmission of SARS-CoV-2.
• Abstract（参考訳）: 本研究では,SARS-CoV-2伝送シミュレーションのための確率グラフモデルの設計原理を提案する。 提案手法は,sars-cov-2の拡散によって表される特性の研究のための現実的な環境を構築するために,空間モデル,モビリティモデル,伝播モデルという3つのサブモデルを取り入れたものである。 この空間モデルは、googleマップから取られた実際の都市の画像を、個人の移動のために次に使われる通りの空間配置をキャプチャする無向重み付きグラフに変換する。 モビリティモデルは、最も短い経路アルゴリズムを展開するために基礎となるグラフの重みを利用して、確率的プロセスを用いて市内を移動する個人に特定の経路を割り当てるために開発された確率的エージェントベースのアプローチを実装している。 伝搬モデルでは,SARS-CoV-2の伝達パラメータを考慮した空気感染ウイルスの疫学モデルと物理的物質の両方を実装している。 最後に,これらのサブモデルを統合し,sars-cov-2の伝達による流行動態の研究のための統合フレームワークを導出する。

関連論文リスト

• ST-MoE-BERT: A Spatial-Temporal Mixture-of-Experts Framework for Long-Term Cross-City Mobility Prediction [6.0588503913405045]
  我々はST-MoE-BERTと呼ばれる人間の移動パターンを予測する頑健な手法を提案する。 本手法は,Mixture-of-ExpertsアーキテクチャとBERTモデルを統合し,複雑な移動力学を捉える。 本稿では,GEO-BLEUおよびDTWにおける提案手法の有効性について述べる。
  論文  参考訳（メタデータ） (2024-10-18T00:32:18Z)
• Map2Traj: Street Map Piloted Zero-shot Trajectory Generation with Diffusion Model [17.041443813376546]
  拡散モデルを利用して,新しいゼロショットトラジェクトリ生成手法であるMap2Trajを開発した。 観測されていない地域のストリートマップだけで、Map2Trajは現実世界の移動パターンによく似た合成軌道を生成する。
  論文  参考訳（メタデータ） (2024-07-29T07:57:03Z)
• AdaOcc: Adaptive Forward View Transformation and Flow Modeling for 3D Occupancy and Flow Prediction [56.72301849123049]
  CVPR 2024 における nuScenes Open-Occ データセットチャレンジにおいて,視覚中心の3次元活動とフロー予測トラックのソリューションを提案する。 我々の革新的なアプローチは、適応的なフォワード・ビュー・トランスフォーメーションとフロー・モデリングを取り入れることで、3次元の占有率とフロー予測を向上させる2段階のフレームワークである。 提案手法は回帰と分類を組み合わせることで,様々な場面におけるスケールの変動に対処し,予測フローを利用して将来のフレームに現行のボクセル特徴をワープする。
  論文  参考訳（メタデータ） (2024-07-01T16:32:15Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• 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)
• TraLFM: Latent Factor Modeling of Traffic Trajectory Data [16.010576606023417]
  そこで我々は,交通トラジェクトリの基盤となる人間の移動パターンをマイニングするための新しい生成モデルTraLFMを提案する。 TraLFMは,(1)人体移動パターンが軌道内の位置の列によって反映される,(2)人体移動パターンが人によって異なる,(3)人体移動パターンが周期的かつ時間とともに変化する,という3つの重要な観察に基づいている。
  論文  参考訳（メタデータ） (2020-03-16T04:41:39Z)

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。