論文の概要: Improving tobacco social contagion models using agent-based simulations on networks

• arxiv url: http://arxiv.org/abs/2207.08254v1
• Date: Sun, 17 Jul 2022 18:40:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:55:15.012134
• Title: Improving tobacco social contagion models using agent-based simulations on networks
• Title（参考訳）: ネットワーク上でのエージェント・ベース・シミュレーションによるタバコ社会感染モデルの改善
• Authors: Adarsh Prabhakaran, Valerio Restocchi and Benjamin D. Goddard
• Abstract要約: 喫煙動態を研究するエージェントベースモデル(ABM)を開発した。 ABMは人工と現実世界の両方で6つの異なるネットワークでテストします。 この結果から,ネットワーク構造が完全に接続された場合のみ,ODEモデルからのダイナミクスがABMと類似していることが示唆された。
• 参考スコア（独自算出の注目度）: 0.4511923587827302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the years, population-level tobacco control policies have considerably reduced smoking prevalence worldwide. However, the rate of decline of smoking prevalence is slowing down. Therefore, there is a need for models that capture the full complexity of the smoking epidemic. These models can then be used as test-beds to develop new policies to limit the spread of smoking. Current models of smoking dynamics mainly use ordinary differential equation (ODE) models, where studying the effect of an individual's contact network is challenging. They also do not consider all the interactions between individuals that can lead to changes in smoking behaviour, implying that they do not consider valuable information on the spread of smoking behaviour. In this context, we develop an agent-based model (ABM), calibrate and then validate it on historical trends observed in the US and UK. Our ABM considers spontaneous terms, interactions between agents, and the agent's contact network. To explore the effect of the underlying network on smoking dynamics, we test the ABM on six different networks, both synthetic and real-world. In addition, we also compare the ABM with an ODE model. Our results suggest that the dynamics from the ODE model are similar to the ABM only when the network structure is fully connected (FC). The FC network performs poorly in replicating the empirical trends in the data, while the real-world network best replicates it amongst the six networks. Further, when information on the real-world network is unavailable, our ABM on Lancichinetti-Fortunato-Radicchi benchmark networks (or networks with a similar average degree as the real-world network) can be used to model smoking behaviour. These results suggest that networks are essential for modelling smoking behaviour and that our ABM can be used to develop network-based intervention strategies and policies for tobacco control.
• Abstract（参考訳）: 長年にわたって、人口レベルのタバコ規制政策は世界中で喫煙率をかなり減らしてきた。 しかし、喫煙率の低下率は低下している。 したがって、喫煙の流行の完全な複雑さを捉えたモデルが必要である。 これらのモデルは、喫煙の拡散を制限する新しいポリシーを開発するためのテストベッドとして使用できる。 喫煙力学の現在のモデルは主に通常の微分方程式(ODE)モデルを使用し、個人の接触ネットワークの効果を研究することは困難である。 また、喫煙行動の変化につながる個人間のすべての相互作用を考慮せず、喫煙行動の拡散に関する貴重な情報を考慮していないことを示唆している。 この文脈において,我々はエージェントベースモデル(abm)を開発し,米国と英国で観測された歴史的傾向を校正し,検証する。 我々のABMは自発的な用語、エージェント間の相互作用、エージェントの接触ネットワークを考える。 基礎となるネットワークが喫煙動態に与える影響を調べるため,ABMを合成および実世界の6つの異なるネットワーク上で試験する。 さらに、ABMをODEモデルと比較する。 その結果,ネットワーク構造が完全に接続された場合のみ,ODEモデルからのダイナミクスがABMと類似していることが示唆された。 FCネットワークはデータの経験的傾向を再現する上で、現実のネットワークはそれを6つのネットワーク間で最もよく複製する。 さらに、実世界のネットワークに関する情報が得られない場合、我々のABM on Lancichinetti-Fortunato-Radicchiベンチマークネットワーク(または実世界のネットワークと同等の平均的なネットワーク)は喫煙行動のモデル化に利用できる。 これらの結果から, 喫煙行動のモデル化にはネットワークが不可欠であり, 喫煙管理のためのネットワークベースの介入戦略やポリシーの開発にも, 当社のabmが有効であることが示唆された。

関連論文リスト

• Causal Graph Neural Networks for Wildfire Danger Prediction [25.12733727343395]
  森林火災の予報は、気象条件、植生の種類、人的活動など様々な要因の複雑な相互作用のため、非常に難しいことが知られている。 ディープラーニングモデルは、データから直接学習することで、この複雑さを扱うことを約束している。 私たちは正しい理由のために正しいモデルが必要だと主張する。つまり、学んだ暗黙のルールは、山火事を駆動する基盤となるプロセスによって基礎づけられるべきである。
  論文  参考訳（メタデータ） (2024-03-13T10:58:55Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Unsupervised Spiking Neural Network Model of Prefrontal Cortex to study Task Switching with Synaptic deficiency [0.0]
  スパイキングニューラルネットワーク(SNN)を用いた前頭前皮質(PFC)の計算モデルを構築した。 本研究では,SNNが生物学的に妥当な値に近いパラメータを持ち,教師なしのスパイクタイミング依存塑性(STDP)学習規則を用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-23T05:59:54Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• Optimal Connectivity through Network Gradients for the Restricted Boltzmann Machine [0.0]
  基本的な問題は、学習曲線を改善するための接続パターンを効率的に見つけることである。 最近のアプローチでは、モデルで最適化する必要があるパラメータとして、ネットワーク接続を明示的に含んでいます。 本研究は,ネットワーク勾配の考え方に基づいて,RBMの最適接続パターンを求める手法を提案する。
  論文  参考訳（メタデータ） (2022-09-14T21:09:58Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• DualCF: Efficient Model Extraction Attack from Counterfactual Explanations [57.46134660974256]
  クラウドサービスプロバイダがMachine-Learning-as-a-Serviceプラットフォームをローンチした。 このような余分な情報は、必然的にクラウドモデルが、抽出攻撃に対してより脆弱になる。 本稿では,分類モデルを盗むためのクエリ効率を大幅に向上させる,新しい単純で効率的なクエリ手法を提案する。
  論文  参考訳（メタデータ） (2022-05-13T08:24:43Z)
• Predicting Influential Higher-Order Patterns in Temporal Network Data [2.5782420501870287]
  最大距離までの全経路を考慮に入れながら,より高い距離での経路を無視する多階生成モデルMOGenに基づく8つの集中度尺度を提案する。 我々はMOGenがネットワークモデルとパスベースの予測の両方を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2021-07-26T10:44:46Z)
• Collective Awareness for Abnormality Detection in Connected Autonomous Vehicles [4.659696262995864]
  本稿では,知的エージェントのネットワークにおいて,集団認識の初期レベルを開発するための新しいアプローチを提案する。 特定の集団的自己認識機能、すなわちエージェントが異常な状況を検出することを考える。 また、ネットワークの各エージェントによって分散的に検知されたデータを共有するために、ネットワークが使用する通信チャネルによって影響を評価する。
  論文  参考訳（メタデータ） (2020-10-28T12:11:36Z)
• Bridging Mode Connectivity in Loss Landscapes and Adversarial Robustness [97.67477497115163]
  我々は、モード接続を用いて、ディープニューラルネットワークの対角的堅牢性を研究する。 実験では、異なるネットワークアーキテクチャやデータセットに適用される様々な種類の敵攻撃について取り上げる。 以上の結果から,モード接続は,敵の強靭性を評価・改善するための総合的なツールであり,実用的な手段であることが示唆された。
  論文  参考訳（メタデータ） (2020-04-30T19:12:50Z)
• Neural Additive Models: Interpretable Machine Learning with Neural Nets [77.66871378302774]
  ディープニューラルネットワーク(DNN)は、さまざまなタスクにおいて優れたパフォーマンスを達成した強力なブラックボックス予測器である。 本稿では、DNNの表現性と一般化した加法モデルの固有知性を組み合わせたニューラル付加モデル(NAM)を提案する。 NAMは、ニューラルネットワークの線形結合を学び、それぞれが単一の入力機能に付随する。
  論文  参考訳（メタデータ） (2020-04-29T01:28:32Z)

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。