Aug, 2022

VacciNet：面向疫情的疫苗分销优化智能框架

PDF
TL;DR本文提出了一个新的框架 VacciNet，它利用监督学习和强化学习来预测国家某州的疫苗需求，并为最少的采购和供应成本建议最佳的疫苗分配，该框架使用美国的疫苗数据进行了培训和测试。
vaccinationsvaccine distributionbig datasupervised learningreinforcement learning
发现论文，激发创造
  • 深度强化学习与协作图神经网络在疫苗优先级排序中的应用

    本文探讨了在供应有限的情况下通过疫苗优先策略来减轻疫情总负担的方法，利用 Trans-vaccine-SEIR 模型模拟疾病演化过程，结合图神经网络和深度强化学习找到最优疫苗分配策略，实验发现相较于基线策略，该框架可将感染和死亡降低 7%-10%，且能针对具有多样性的微观级疾病演化系统寻找最优解。研究结果对于疫苗供应有限和物流效率低下的区域提供了有价值的见解。

    May, 2023

  • 部署疫苗分发站点以提高可访问性和平等性，支持大流行应对

    本篇论文研究了 COVID-19 社会干预，疫苗可及性和公平性之间的相互作用，并讨论了如何使用组合优化来确定移动接种点的位置。

    Feb, 2022

  • 深度强化学习用于大规模疫情控制

    本文使用深度强化学习方法，针对流感大流行背景下预防策略自动学习的挑战性进程，建立新的流行病学元群体模型，利用极近政策优化算法学习单一区域的预防策略，并在 11 个区域的联合控制 policy 中考虑区域间的协作，从而有效应对具有大状态空间的复杂流行病学模型。

    Mar, 2020

  • COVID-19 缓解政策优化的强化学习

    本研究使用强化学习和基于代理的模拟器，探讨如何优化减轻 COVID-19 冲击的策略，以最小化其对经济的影响，同时避免超过医院的收治能力。该研究结果验证了其用于仿真传染病传播的精细程度以及强化学习方法在实际中的表现。

    Oct, 2020

  • ADVISER: 基于人工智能的疫苗接种干预优化器，旨在提高尼日利亚的疫苗接种率

    我们与尼日利亚的 HelpMum 合作，研发和优化各种卫生干预措施的分配，以增加疫苗接种率，并将其用于一个基于整数线性规划的框架 ADVISER 中，它旨在最大化成功接种的累积概率。我们提出的启发式方法在实验评估中优于基准方法，为 Nigeria 提高健康状况的数据驱动计划开辟了道路。

    Apr, 2022

  • SIR-RL：新兴市场和发展中经济体流行病爆发的优化政策控制强化学习

    本研究介绍了一种创新和伦理的策略来在传染病爆发期间平衡公共卫生和经济稳定，通过引入一种新型强化学习框架，该框架利用 SIR 模型，整合了封锁措施（通过严格指数）和疫苗接种策略来模拟疾病动态。

    Apr, 2024

  • 使用网络搜索查询进行集成学习的疫苗接种预测

    本研究使用集成学习方法将临床和从 Google Trends 获取的网络数据相结合，预测了未来的疫苗接种情况。结果表明，本方法可以有效地预测疫苗接种情况，使用网络数据单独进行预测也获得了相对较好的性能。这是第一项使用网络数据（带或不带临床数据）预测疫苗接种情况的研究。

    Sep, 2016

  • 通过强化学习对流行病控制政策的建模与优化

    通过使用多目标强化学习和流行病学模型，研究提供了一种优化决策的方法来同时减少经济影响和感染率的多种大流行病场景。

    Jan, 2024

  • 利用强化学习和图神经网络控制图动态

    考虑通过有限的干预来控制动态过程。我们将这个问题表述为关于时间图过程的顺序决策问题，并设计了一个新颖的可行方案来控制时间图上的动态过程。我们成功地将方法应用于两个流行问题：优先考虑哪些节点进行检测以限制疫情传播，以及影响最大化问题。

    Oct, 2020

  • 利用最小监督理解 Facebook 上 COVID-19 疫苗宣传活动

    本文提出一个最小化监督的多任务学习框架，用于理解在 Facebook 上与 COVID 疫苗相关的信息，包括广告主题和道德基础，通过更详细的主题分析来分析疫苗宣传在社交媒体上的信息策略，从而帮助政策制定者做出更好的流行病控制决策。

    Oct, 2022