Fugu-MT 論文翻訳(概要): Simulation and application of COVID-19 compartment model using physic-informed neural network

論文の概要: Simulation and application of COVID-19 compartment model using physic-informed neural network

arxiv url: http://arxiv.org/abs/2208.02433v1
Date: Thu, 4 Aug 2022 03:59:37 GMT
ステータス: 処理完了
システム内更新日: 2022-08-05 13:15:18.364640
Title: Simulation and application of COVID-19 compartment model using physic-informed neural network
Title（参考訳）: ニューラルネットワークを用いたCOVID-19コンパートメントモデルのシミュレーションと応用
Authors: Jinhuan Ke, Jiahao Ma, Xiyu Yin
Abstract要約: 我々はシミュレーションと実世界のデータの両方にPhysical-Informed Neural Networkを実装した。結果は、ニューラルネットワークから学んだ新型コロナウイルスの拡散と予測分析を含む。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, SVEIDR model and its variants (Aged, Vaccination-structured models) are introduced to encode the effect of social contact for different age groups and vaccination status. Then we implement the Physic-Informed Neural Network on both simulation and real-world data. Results including the spread and forecasting analysis of COVID-19 learned from the neural network are shown in the paper.
Abstract（参考訳）: 本研究では,SVEIDRモデルとその変異体(Aged, Vaccination-structured model)を導入し,年齢の異なるグループとワクチン接種状況に対する社会的接触の効果をエンコードする。次にシミュレーションと実世界のデータの両方にPhysic-Informed Neural Networkを実装した。ニューラルネットワークから得られたcovid-19の拡散および予測分析を含む結果が論文に示されている。

関連論文リスト

Approaching epidemiological dynamics of COVID-19 with physics-informed neural networks [23.95944607153291]
SIRモデルに埋め込まれた物理インフォームドニューラルネットワーク(PINN)は、感染症の時間的進化のダイナミクスを理解するために考案された。この手法はドイツで報告された新型コロナウイルス(COVID-19)のデータに適用され、ウイルスの拡散傾向を正確に把握し予測できることが示されている。
論文参考訳（メタデータ） (2023-02-17T10:36:58Z)
An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-04-18T23:42:18Z)
Abstractive summarization of hospitalisation histories with transformer networks [68.96380145211093]
本稿では,患者の入院履歴を抽象的に要約する新しいアプローチを提案する。我々は、Longformerニューラルネットワークをエンコーダとして、BERTをデコーダとして、エンコーダデコーダフレームワークを適用した。
論文参考訳（メタデータ） (2022-04-05T13:38:39Z)
EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文参考訳（メタデータ） (2022-02-21T18:59:03Z)
Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文参考訳（メタデータ） (2022-02-18T22:41:51Z)
An integrated recurrent neural network and regression model with spatial and climatic couplings for vector-borne disease dynamics [4.254099382808598]
本研究は,病原性疾患の進展に対するニューラルネットワークと非線形回帰モデルを構築した。我々は、気候データの季節性や、昆虫(ハエなど)と相関する外部要因として、また、関心のある地域を囲む近隣地域からの感染を考慮に入れている。統合モデルは、2013年から2018年にかけてスリランカで発生したリーシュ・マニアシスデータに基づいて、神経側頭葉の降下によって訓練され、試験された。
論文参考訳（メタデータ） (2022-01-23T23:04:58Z)
COVID-Net MLSys: Designing COVID-Net for the Clinical Workflow [101.45411528425939]
本研究では、機械学習とシステム(MLSys)を用いて、新型コロナウイルス患者のスクリーニングシステムの設計を行う。 COVID-Netシステムは、継続的に進化するCOVIDxデータセット、新型コロナウイルス患者検出のためのCOVID-Netディープニューラルネットワーク、および重症度評価のためのCOVID-Net Sディープニューラルネットワークで構成されている。 COVID-Netシステム内のディープニューラルネットワークは最先端のパフォーマンスを持ち、臨床診断支援のためにユーザーインターフェース(UI)に統合されるように設計されている。
論文参考訳（メタデータ） (2021-09-14T04:13:24Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
Using VERA to explain the impact of social distancing on the spread of COVID-19 [7.4842212802498755]
我々は、対話型AIツールVERAを紹介し、新型コロナウイルスの拡散に対するソーシャルディスタンシングの影響の概念モデルを特定する。新型コロナウイルス感染拡大のためのSIRモデルの開発と、その医療能力との関係について、VERAを用いて説明する。
論文参考訳（メタデータ） (2020-03-30T19:22:07Z)

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。