論文の概要: Deep Learning-Derived Optimal Aviation Strategies to Control Pandemics
- arxiv url: http://arxiv.org/abs/2210.10888v1
- Date: Wed, 12 Oct 2022 12:35:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:18:03.152238
- Title: Deep Learning-Derived Optimal Aviation Strategies to Control Pandemics
- Title（参考訳）: パンデミック制御のための深層学習型最適航空戦略
- Authors: Syed Rizvi, Akash Awasthi, Maria J. Pel\'aez, Zhihui Wang, Vittorio
Cristini, Hien Van Nguyen, Prashant Dogra
- Abstract要約: 新型コロナウイルス感染症(COVID-19)は世界中の国々に影響を与えており、感染拡大を緩和するための公衆衛生政策を徹底的に求めている。
本研究では,世界規模でのCOVID-19感染動態に及ぼすヒトの移動性の影響について検討した。
- 参考スコア（独自算出の注目度）: 13.952375733035428
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The COVID-19 pandemic has affected countries across the world, demanding
drastic public health policies to mitigate the spread of infection, leading to
economic crisis as a collateral damage. In this work, we investigated the
impact of human mobility (described via international commercial flights) on
COVID-19 infection dynamics at the global scale. For this, we developed a graph
neural network-based framework referred to as Dynamic Connectivity GraphSAGE
(DCSAGE), which operates over spatiotemporal graphs and is well-suited for
dynamically changing adjacency information. To obtain insights on the relative
impact of different geographical locations, due to their associated air
traffic, on the evolution of the pandemic, we conducted local sensitivity
analysis on our model through node perturbation experiments. From our analyses,
we identified Western Europe, North America, and Middle East as the leading
geographical locations fueling the pandemic, attributed to the enormity of air
traffic originating or transiting through these regions. We used these
observations to identify tangible air traffic reduction strategies that can
have a high impact on controlling the pandemic, with minimal interference to
human mobility. Our work provides a robust deep learning-based tool to study
global pandemics and is of key relevance to policy makers to take informed
decisions regarding air traffic restrictions during future outbreaks.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中の国々に影響を与えており、感染拡大を抑えるための公衆衛生政策を徹底的に求めている。
本研究では,世界規模でのCOVID-19感染動態に及ぼす人体移動(国際商業便による記述)の影響について検討した。
そこで我々は,時空間グラフ上で動作する動的接続性グラフSAGE(Dynamic Connectivity GraphSAGE)と呼ばれるグラフニューラルネットワークベースのフレームワークを開発した。
パンデミックの進展にともなう気流による異なる地理的位置の相対的影響を把握するために,我々はノード摂動実験を通じて,我々のモデルに対する局所感度解析を行った。
分析の結果,西欧,北アメリカ,中東がパンデミックに拍車をかけた地域であり,これらの地域を経由する航空交通の永続性に起因すると推定された。
これらの観測から、人体移動への干渉を最小限に抑えて、パンデミックのコントロールに高い影響を与える有形の航空交通量削減戦略を特定した。
我々の研究は、世界的なパンデミックを研究するための堅牢なディープラーニングベースのツールを提供しており、将来のアウトブレイク時の航空交通規制に関する情報決定を行う政策立案者にとって重要な意味を持つ。
関連論文リスト
- Exploring the impact of social stress on the adaptive dynamics of
COVID-19: Typing the behavior of na\"ive populations faced with epidemics [43.50312332512221]
新型コロナウイルス(COVID-19)のパンデミックは、各国の適応的ダイナミクスに関して、微妙な変化をもたらしている。
これは自然災害解析における文化的特徴の重要な役割を強調している。
論文 参考訳（メタデータ） (2023-11-23T11:05:54Z) - EpiGNN: Exploring Spatial Transmission with Graph Neural Network for
Regional Epidemic Forecasting [16.543085296174496]
EpiGNNは、流行予測のためのグラフニューラルネットワークベースのモデルである。
本研究では,送信リスク,地理的依存関係,時間的情報を考慮した地域意識グラフ(RAGL)を開発した。
EpiGNNはRMSEにおいて最先端のベースラインを9.48%上回っている。
論文 参考訳（メタデータ） (2022-08-23T14:29:04Z) - The impact of spatio-temporal travel distance on epidemics using an
interpretable attention-based sequence-to-sequence model [2.203043417301343]
距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。
異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
論文 参考訳（メタデータ） (2022-05-26T08:24:35Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - Machine Learning on the COVID-19 Pandemic, Human Mobility and Air
Quality: A Review [0.0]
本研究は、新型コロナウイルスのパンデミック、ロックダウン対策、人体移動性、空気質の相互作用を理解するために、過去の研究の結果を分析することを目的としている。
MLは、世界的なパンデミックのような複雑で邪悪な問題を扱うための、強力で効果的で堅牢な分析パラダイムである。
論文 参考訳（メタデータ） (2021-03-13T10:08:24Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - 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) - Transfer Graph Neural Networks for Pandemic Forecasting [32.0506180195988]
人口移動が新型コロナウイルスの感染拡大に与える影響について検討する。
我々は,今後の症例数を予測するためにグラフニューラルネットワークを用いる。
論文 参考訳（メタデータ） (2020-09-10T13:23:52Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。