研究了在线信息传播建模的统计工具,发现在 Hawkes 模型中,扩展事件的频率与 SIR 模型中的新感染率相同,并导出了 HawkesN 的级联大小分布。
Nov, 2017
通过新提出的潜在影响点过程模型 (Latent Influence Point Process,LIPP) 来量化传染病在人口密集地区的内部动态对事件发生的反馈(触发区域性爆发疫情的前期病例存在的可能性),并研究了昆士兰州 15 年的登革热病例,发现爆发主要由州间全局扩散所驱动,而密集地区的疫情受到前期流行病的缓慢而持续的反馈,而边缘区域的疫情则受到快速但不稳定的反馈。该模型揭示了不同组之间的直接和间接扩散过程以及基于接触和向量传播疾病的概率因果关系。
Jan, 2018
本文提出一种 SIS 模型的改进版,将警惕性引入该模型,得到了一个连续时间马尔可夫过程,并且证明了该模型的传播具有两个明显的阈值。实验进一步证明了,警惕性可以被视为控制流行病的一种策略,对从传染病缓解到减少恶意软件影响的多个应用领域具有潜在的发掘价值。
Jul, 2011
研究了德国 2002-2008 年发生的两个最常见的脑膜炎球菌抗原序列类型的传输动力学, 提出一种新的连续时空点过程模型,通过条件强度函数描述和建模,发现传播行为除年龄外还与类型有关,基础再生数分别为 0.25 和 0.11,所提出的方法可用于自激励时空点过程的建模、模拟和推断。
Aug, 2015
本文研究了基于网络结构模型下的传染病传播,讨论了现有的数学模型的优势和劣势,并探讨了它们在其他人口群体中的应用和现有挑战。
Mar, 2014
本研究通过结合多个不同参数的 SEIR 模型的流行病曲线,生成了三个复杂的流行病情景,并考察了流行病学参数估计的目前现状和局限性,结果表明忽略数据生成过程中的复杂性和异质性会掩盖底层地理和人口特定的流行病动态。
Jun, 2021
本论文对流行病传播的理论分析进行了全面的综述,重点阐述了流行病学建模的共性和差异性,并探讨了复杂网络中的扩散和演化问题。
Aug, 2014
本文采用异质性逗留时间的总种群方法来模拟空间结构人群中的疾病动力学,结果表明,长度波动较大的逗留时间将对全球疫情入侵的阈值条件产生重要影响,并显示出重要的公共卫生意义。
Jul, 2012
本文提出了一种名为动态 Hawkes 过程(DHP)的方法,它能够捕捉事件扩散背后的社区状态演化规律,并基于演化规律预测事件的发生。与其他五种采用的事件预测方法相比,DHP 的实验表现更加优异。
May, 2021
本文利用动态因果模型和集成动力学,通过对干预和不同人群间的差异进行建模,量化了冠状病毒在不同情况下的不确定性和预测。同时,该研究还观察到了群体免疫导致的非线性影响和自组织缓解过程方面的有趣现象。
Apr, 2020