論文の概要: Network-based Control of Epidemic via Flattening the Infection Curve:
High-Clustered vs. Low-Clustered Social Networks
- arxiv url: http://arxiv.org/abs/2303.09173v1
- Date: Thu, 16 Mar 2023 09:37:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 16:07:39.766001
- Title: Network-based Control of Epidemic via Flattening the Infection Curve:
High-Clustered vs. Low-Clustered Social Networks
- Title（参考訳）: 感染曲線のフラット化による流行のネットワークベース制御--高クラスター対低クラスターソーシャルネットワーク
- Authors: Mohammadreza Doostmohammadian, Hamid R. Rabiee
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.768625063623631
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent studies in network science and control have shown a meaningful
relationship between the epidemic processes (e.g., COVID-19 spread) and some
network properties. This paper studies how such network properties, namely
clustering coefficient and centrality measures (or node influence metrics),
affect the spread of viruses and the growth of epidemics over scale-free
networks. The results can be used to target individuals (the nodes in the
network) to \textit{flatten the infection curve}. This so-called flattening of
the infection curve is to reduce the health service costs and burden to the
authorities/governments. Our Monte-Carlo simulation results show that clustered
networks are, in general, easier to flatten the infection curve, i.e., with the
same connectivity and the same number of isolated individuals they result in
more flattened curves. Moreover, distance-based centrality measures, which
target the nodes based on their average network distance to other nodes (and
not the node degrees), are better choices for targeting individuals for
isolation/vaccination.
- Abstract（参考訳）: ネットワーク科学と制御に関する最近の研究は、流行の過程(例えば、COVID-19の拡散)といくつかのネットワーク特性の間に有意義な関係を示している。
本稿では,このようなネットワーク特性,すなわちクラスタリング係数と集中度尺度(あるいはノード影響指標)が,ウイルスの拡散と大規模ネットワーク上での感染拡大に与える影響について検討する。
結果は、個人(ネットワーク内のノード)をターゲットにして、感染曲線を \textit{flatten the infection curve} する。
いわゆる感染曲線のフラット化は、保健サービスコストの削減と当局や政府への負担の軽減である。
我々のモンテカルロシミュレーションの結果は、クラスタ化されたネットワークは一般に、感染曲線を平坦にすることがより容易であることを示している。
さらに,他のノードへのネットワーク平均距離に基づいてノードをターゲットとする距離ベース集中度尺度(ノード次数ではなく,ノード次数)は,個人を隔離・ワクチン接種の対象にするためのより良い選択である。
関連論文リスト
- 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) - A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。
ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。
その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文 参考訳（メタデータ） (2022-09-16T17:20:23Z) - Identifying critical nodes in complex networks by graph representation
learning [2.304938062591095]
影響は臨界ノードの採掘における主要な問題の一つである。
IMGNNは、ネットワーク内のノードの集中度を入力とし、最適な初期スプレッドラー内のノードを出力とするグラフ学習フレームワークである。
IMGNNは、ヒトベースのアルゴリズムよりも、固定感染規模で初期スプレッドラーのサイズを最小化するのに効率的である。
論文 参考訳（メタデータ） (2022-01-20T03:41:22Z) - An Extension of InfoMap to Absorbing Random Walks [0.0]
我々は、ネットワーク内のノードの密結合した「コミュニティ」を検出するために、標準的なマルコフ連鎖の上に構築する。
ネットワーク上に広がる病気のダイナミクスに触発され、InfoMapを拡張してランダムウォークを吸収する。
我々は、InfoMapの拡張を使って検出するコミュニティ構造と、ノード吸収率を考慮しない手法を用いて検出するコミュニティ構造とが著しく異なることを発見した。
論文 参考訳（メタデータ） (2021-12-21T03:03:03Z) - BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。
リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。
BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文 参考訳（メタデータ） (2021-12-13T17:35:54Z) - SSSNET: Semi-Supervised Signed Network Clustering [4.895808607591299]
SSSNETと呼ばれる半教師付きネットワーククラスタリングのためのGNNフレームワークにおいて、トレーニングノードに対する確率的バランスの取れた正規化カット損失を新たに導入する。
主な斬新なアプローチは、署名されたネットワーク埋め込みにおける社会的バランス理論の役割に関する新しい見解である。
論文 参考訳（メタデータ） (2021-10-13T10:36:37Z) - Estimating the State of Epidemics Spreading with Graph Neural Networks [41.93923100501976]
アルゴリズム解は、限られた量の措置から人口全体の状態を推測するために使うことができる。
この課題を解決するために,深層ニューラルネットワークの能力を分析する。
論文 参考訳（メタデータ） (2021-05-10T13:54:13Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
この問題をより深く理解することで、情報がどのように処理され、ニューラルネットワークでエンコードされるかの理解を深めることができる。
敵対的回復力を高めるという私たちの考えは、人工ニューロンがAND様ニューロンとOR様ニューロンの2つの広いカテゴリーに分けられるという観察から始まります。
我々の仮説は、十分な数のOR様ニューロンのネットワークの存在は、分類「脆さ」につながり、ネットワークが敵対攻撃に対する感受性を高めることができるということです。
論文 参考訳（メタデータ） (2021-02-15T08:19:05Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - ResiliNet: Failure-Resilient Inference in Distributed Neural Networks [56.255913459850674]
ResiliNetは、分散ニューラルネットワークにおいて物理ノード障害に耐性を持たせるためのスキームである。
Failoutは、ドロップアウトを使用したトレーニング中の物理ノード障害条件をシミュレートし、分散ニューラルネットワークのレジリエンスを改善するように設計されている。
論文 参考訳（メタデータ） (2020-02-18T05:58:24Z)
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。