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
- 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) - Visual-information-driven model for crowd simulation using temporal
convolutional network [2.023315598404668]
本稿では,視覚情報駆動(VID)群群シミュレーションモデルを提案する。
VIDモデルは、過去の社会的視覚情報と個人の動きデータに基づいて、次のステップで歩行者の速度を予測する。
歩行者の視覚情報を抽出するために,レーダ・ジオメトリ・ロコモーション法が確立された。
時空間畳み込みネットワーク(TCN)に基づく深層学習モデルであるSocial-visual TCNを開発した。
論文 参考訳(メタデータ) (2023-11-06T09:58:04Z) - Generative Modeling with Phase Stochastic Bridges [52.919600985186996]
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) - Improving Transferability of Adversarial Examples via Bayesian Attacks [84.90830931076901]
モデル入力にベイズ定式化を組み込むことにより,モデル入力とモデルパラメータの共分散を可能にする新しい拡張を導入する。
提案手法は,トランスファーベース攻撃に対する新たな最先端技術を実現し,ImageNetとCIFAR-10の平均成功率をそれぞれ19.14%,2.08%向上させる。
論文 参考訳(メタデータ) (2023-07-21T03:43:07Z) - 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) - Pedestrian Trajectory Prediction with Convolutional Neural Networks [0.3787359747190393]
本稿では,新しい2次元畳み込みモデルを導入し,歩行者軌道予測への新たなアプローチを提案する。
この新モデルはリカレントモデルより優れており、ETHとTrajNetデータセットの最先端の結果が得られる。
また,歩行者の位置と強力なデータ拡張手法を効果的に表現するシステムを提案する。
論文 参考訳(メタデータ) (2020-10-12T15:51:01Z) - 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。