論文の概要: Infectious Probability Analysis on COVID-19 Spreading with Wireless Edge Networks

• arxiv url: http://arxiv.org/abs/2210.02017v1
• Date: Wed, 5 Oct 2022 04:26:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:31:00.588926
• Title: Infectious Probability Analysis on COVID-19 Spreading with Wireless Edge Networks
• Title（参考訳）: 無線エッジネットワークを用いたCOVID-19感染確率分析
• Authors: Xuran Li, Shuaishuai Guo, Hong-Ning Dai, Dengwang Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.76060571297478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of infectious disease COVID-19 has challenged and changed the world in an unprecedented manner. The integration of wireless networks with edge computing (namely wireless edge networks) brings opportunities to address this crisis. In this paper, we aim to investigate the prediction of the infectious probability and propose precautionary measures against COVID-19 with the assistance of wireless edge networks. Due to the availability of the recorded detention time and the density of individuals within a wireless edge network, we propose a stochastic geometry-based method to analyze the infectious probability of individuals. The proposed method can well keep the privacy of individuals in the system since it does not require to know the location or trajectory of each individual. Moreover, we also consider three types of mobility models and the static model of individuals. Numerical results show that analytical results well match with simulation results, thereby validating the accuracy of the proposed model. Moreover, numerical results also offer many insightful implications. Thereafter, we also offer a number of countermeasures against the spread of COVID-19 based on wireless edge networks. This study lays the foundation toward predicting the infectious risk in realistic environment and points out directions in mitigating the spread of infectious diseases with the aid of wireless edge networks.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大は、前例のない方法で世界を変えてきた。 無線ネットワークとエッジコンピューティング(いわゆるワイヤレスエッジネットワーク)の統合は、この危機に対処する機会をもたらす。 本稿では,感染確率の予測について検討し,無線エッジネットワークを活用したcovid-19対策を提案する。 無線エッジネットワーク内で記録された拘留時間と個体密度が利用可能であることから,個体の感染確率を確率幾何学的に解析する手法を提案する。 提案手法は,個々の個人の位置や軌跡を知る必要がなくなるため,システムのプライバシを維持することができる。 さらに,3種類のモビリティモデルと個人の静的モデルについても考察した。 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。 さらに、数値的な結果にも多くの洞察力がある。 その後,無線エッジネットワークによる新型コロナウイルスの感染拡大に対する対策も多数提供している。 本研究は,現実環境における感染リスクを予測するための基礎を定め,無線エッジネットワークを用いて感染症の拡散を緩和する方向を指摘する。

関連論文リスト

• DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
  接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。 我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。 この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
  論文  参考訳（メタデータ） (2024-04-20T13:43:28Z)
• Tractable Function-Space Variational Inference in Bayesian Neural Networks [72.97620734290139]
  ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。 本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。 提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-28T18:33:26Z)
• Federated Graph Learning for Low Probability of Detection in Wireless Ad-Hoc Networks [36.82926581689718]
  無線ネットワークのプライバシーとセキュリティを高める手段として,LPD (low probability of detection) が最近登場した。 本稿では,グラフニューラルネットワークに基づくプライバシ保護分散フレームワークについて検討し,無線アドホックネットワーク全体の検出性を最小化する。
  論文  参考訳（メタデータ） (2023-06-01T20:56:02Z)
• Network-based Control of Epidemic via Flattening the Infection Curve: High-Clustered vs. Low-Clustered Social Networks [5.768625063623631]
  クラスタネットワークは一般的に、感染曲線をフラットにするのが簡単である。 距離に基づく集中度対策は、隔離/ワクチン接種のために個人を標的にするためのより良い選択である。
  論文  参考訳（メタデータ） (2023-03-16T09:37:21Z)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• 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)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• CRISP: A Probabilistic Model for Individual-Level COVID-19 Infection Risk Estimation Based on Contact Data [6.0785913977668935]
  本稿では,SEIRモデルに基づく集団内感染の確率的グラフィカルモデルを提案する。 当社のマイクロレベルモデルでは、各時点の感染状況が記録されており、感染、感染、感染、回復まで様々です。 これは、個々のレベルの接触データに基づいて、新型コロナウイルスの感染拡大を効率的に推測する最初のモデルである。
  論文  参考訳（メタデータ） (2020-06-09T04:25:56Z)

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。