論文の概要: Attributed Network Embedding Model for Exposing COVID-19 Spread Trajectory Archetypes

• arxiv url: http://arxiv.org/abs/2209.09448v2
• Date: Wed, 21 Sep 2022 04:17:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:32:41.385597
• Title: Attributed Network Embedding Model for Exposing COVID-19 Spread Trajectory Archetypes
• Title（参考訳）: 感染拡大軌道アーチタイプを露呈する原因ネットワーク埋め込みモデル
• Authors: Junwei Ma, Bo Li, Qingchun Li, Chao Fan and Ali Mostafavi
• Abstract要約: 新型コロナウイルスは、感染リスクパターンが異なる都市やコミュニティで均質ではないことを明らかにした。 様々な異質な特徴が拡散軌跡に影響を及ぼす可能性がある。 本研究では、クロスカントリー訪問ネットワークをキャプチャするネットワーク埋め込みモデルを作成する。
• 参考スコア（独自算出の注目度）: 8.737100011389375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The spread of COVID-19 revealed that transmission risk patterns are not homogenous across different cities and communities, and various heterogeneous features can influence the spread trajectories. Hence, for predictive pandemic monitoring, it is essential to explore latent heterogeneous features in cities and communities that distinguish their specific pandemic spread trajectories. To this end, this study creates a network embedding model capturing cross-county visitation networks, as well as heterogeneous features to uncover clusters of counties in the United States based on their pandemic spread transmission trajectories. We collected and computed location intelligence features from 2,787 counties from March 3 to June 29, 2020 (initial wave). Second, we constructed a human visitation network, which incorporated county features as node attributes, and visits between counties as network edges. Our attributed network embeddings approach integrates both typological characteristics of the cross-county visitation network, as well as heterogeneous features. We conducted clustering analysis on the attributed network embeddings to reveal four archetypes of spread risk trajectories corresponding to four clusters of counties. Subsequently, we identified four features as important features underlying the distinctive transmission risk patterns among the archetypes. The attributed network embedding approach and the findings identify and explain the non-homogenous pandemic risk trajectories across counties for predictive pandemic monitoring. The study also contributes to data-driven and deep learning-based approaches for pandemic analytics to complement the standard epidemiological models for policy analysis in pandemics.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大は、伝染リスクパターンが異なる都市やコミュニティに均質ではないことを明らかにし、様々な異質な特徴が拡散経路に影響を与える可能性がある。 したがって、予測的パンデミックのモニタリングには、特定のパンデミックの伝播経路を区別する都市やコミュニティにおける潜伏した異質な特徴を探求することが不可欠である。 この目的のために,本研究では,パンデミック拡散伝達軌跡に基づいて,地域間訪問ネットワークをキャプチャするネットワーク埋め込みモデルと,米国内の郡群を探索する異種特徴を作成した。 2020年3月3日から6月29日までの2,787郡(初期波)で位置情報情報を収集・計算した。 第2に,ノード属性として郡の特徴を取り入れ,ネットワークエッジとして郡間を訪問する人的訪問ネットワークを構築した。 属性付きネットワーク埋め込み手法は,クロスカントリー訪問ネットワークの類型的特徴と異種特徴を統合した。 本報告では, 属性ネットワーク埋め込みのクラスタリング解析を行い, 4郡に対応して, 拡散リスクトラジェクトリの4つのアーキタイプを明らかにした。 その後,アーチタイプ間で異なる伝達リスクパターンの基盤となる4つの重要な特徴を同定した。 推定されたネットワーク埋め込みアプローチと調査結果は、予測的パンデミックのモニタリングのために郡全体で発生しないパンデミックリスクの軌跡を特定し、説明する。 この研究は、パンデミックにおける政策分析の標準的な疫学モデルを補完する、パンデミック分析のためのデータ駆動型およびディープラーニングベースのアプローチにも貢献する。

関連論文リスト

• Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
  最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。 HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。 HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
  論文  参考訳（メタデータ） (2024-11-26T12:29:45Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Towards Statistically Significant Taxonomy Aware Co-location Pattern Detection [4.095979270829907]
  目的は、統計的に重要な特徴タイプや両親のサブセットを見つけることである。 この問題は、分類学によって生成される候補コロケーションパターンの指数的な数によって、計算的に困難である。 本稿では,コロケーションパターンの統計的意義を取り入れ,評価する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-06-29T04:48:39Z)
• Model X-ray:Detecting Backdoored Models via Decision Boundary [62.675297418960355]
  バックドア攻撃はディープニューラルネットワーク(DNN)に重大な脆弱性をもたらす 図形化された2次元(2次元)決定境界の解析に基づく新しいバックドア検出手法であるモデルX線を提案する。 提案手法は,クリーンサンプルが支配する意思決定領域とラベル分布の集中度に着目した2つの戦略を含む。
  論文  参考訳（メタデータ） (2024-02-27T12:42:07Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Digital Twin-Oriented Complex Networked Systems based on Heterogeneous Node Features and Interaction Rules [13.28255056212425]
  本研究では,Digital Twin-Oriented Complex Networked Systemsのための拡張可能なモデリングフレームワークを提案する。 我々は,これらのネットワークに広まる流行に関連するネットワーク成長と異なる透過性に関する様々な特徴と規則を取り入れたシミュレーションベースのDT-CNSの実験を行う。
  論文  参考訳（メタデータ） (2023-08-18T01:54:48Z)
• Numerically assisted determination of local models in network scenarios [55.2480439325792]
  統計的振る舞いを再現する明示的な局所モデルを見つけるための数値ツールを開発する。 グリーンベルガー・ホルン・ザイリンガー(GHZ)およびW分布の臨界振動性に関する予想を提供する。 開発されたコードとドキュメントは、281.com/mariofilho/localmodelsで公開されている。
  論文  参考訳（メタデータ） (2023-03-17T13:24:04Z)
• Infectious Probability Analysis on COVID-19 Spreading with Wireless Edge Networks [15.76060571297478]
  本稿では,感染確率の予測について検討し,新型コロナウイルス予防対策を提案する。 記録された留置時間と無線エッジネットワーク内の個体密度から,個人の感染確率を解析するための幾何学的手法を提案する。 その結果,解析結果はシミュレーション結果とよく一致し,提案モデルの有効性が検証された。
  論文  参考訳（メタデータ） (2022-10-05T04:26:48Z)
• Probabilistic Graph Attention Network with Conditional Kernels for Pixel-Wise Prediction [158.88345945211185]
  本稿では,画素レベルの予測を基本的側面,すなわち,技術の現状を推し進める新たなアプローチを提案する。 構造化されたマルチスケール機能学習と融合。 本論文では,マルチスケール表現を原理的に学習・融合するための新しいアテンテンションゲート条件ランダムフィールド(AG-CRFs)モデルに基づく確率的グラフアテンションネットワーク構造を提案する。
  論文  参考訳（メタデータ） (2021-01-08T04:14:29Z)
• Bayesian Topological Learning for Classifying the Structure of Biological Networks [1.644043499620662]
  Actin cytoskeleton Networkは、ネットワークの穴の数、大きさ、形状の自然変化によって局所的なトポロジカルなシグネチャを生成する。 永続ホモロジー(Persistent homology)は、データのトポロジ的性質を探索し、永続化ダイアグラムとして要約する手法である。 本研究では,アクチンフィラメントネットワークの分類にベイズ係数アルゴリズムを適用し,いくつかの最先端の分類手法と比較した。
  論文  参考訳（メタデータ） (2020-09-24T22:43:03Z)

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。