Jun, 2023

多准则决策支持的模型家族：COVID-19 案例研究

PDF
TL;DR通过构建一组小型模型，而非单一的大型模型，来建立一个研究框架，旨在为 COVID-19 危机中制定决策提供支持，该策略有许多优点，这篇论文以模型家族为例进行讲解。
model-based decision supportmodel familyresearch frameworkmodelling purposecovid-19
发现论文，激发创造
  • COVID-19 的动态因果建模

    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

  • COVID-19 病例自适应预测的数据驱动方法研究

    通过数据驱动的方法和增量学习，该研究针对 SARS-CoV-2 等疫情的不确定性，成功解决了病毒爆发期间的准确预测问题。

    Sep, 2023

  • 有效 COVID-19 管理决策支持系统的开发

    本研究提出一种基于数据建模的决策支持系统，能够预测病例数量，进行资源分配和封锁管理以在不同级别的政府机关管理 COVID-19，并开发了基于 MATLAB 的 GUI 进行实现。

    Mar, 2022

  • 通过经典和机器学习模型的集成预测 COVID-19 传播：以西班牙为案例研究

    本研究使用一组群体模型和机器学习模型来预测 COVID-19 疫情的近期趋势，结合病例、疫苗接种、人类流动和天气等数据，通过调整 Gompertz、Logistic、Richards 和 Bertalanffy 等经典人口模型和机器学习模型进行预测。该研究认为，对这两类模型进行集成能够提高预测的精度和鲁棒性，并可用于缺乏相关数据的情况下。

    Jul, 2022

  • 流感和 COVID-19 疫情下的历史疾病预测模型引导

    本文提出了一种名为 CALI-Net 的神经转移学习框架，可以将历史流感预测模型应用于与 COVID-19 共存的新场景中，成功实现对疫情的有效预测。

    Sep, 2020

  • 机器学习时空流行病学模型评估德国县级 COVID-19 风险

    为了实现和评估公共卫生政策，我们利用机器学习技术开发了一个框架，从感染数据中提取流行病动态，其中包含一个结合了空间元胞自动机和时间易感 - 未诊断 - 感染 - 移除模型的县级时空流行病学模型，该模型显示了 CA-SUIR 模型在不同政策下的多级风险和冠状病毒传播模式。通过此研究，我们预测了德国 412 个区县的 COVID-19 流行病学水平，包括 t-day-ahead 风险预测和对旅行限制政策的风险评估。这种可干预的评估系统可以帮助决定经济重启和公共卫生政策制定。

    Nov, 2020

  • 新冠病毒（COVID-19）病例实时预测和风险评估：数据驱动分析

    本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法，对加拿大、法国、印度、韩国和英国进行短期（10 天）预测，另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估，旨在有效分配医疗资源和提供政策决策的预警。

    Apr, 2020

  • 利用大型语言模型推进实时流行病预测：COVID-19 案例研究

    我们提出了 PandemicLLM，这是一个新颖的框架，利用多模态大型语言模型将疾病传播的实时预测转化为文本推理问题，能够整合实时、复杂、非数值型信息，并在 COVID-19 大流行中得到应用。该研究揭示了适用大型语言模型和表征学习提升疫情预测的潜力，展示了人工智能创新如何加强未来的疫情应对和危机管理。

    Apr, 2024

  • 利用决策建模挽救数据科学

    本文提倡数据科学领域采用 AI 中的贝叶斯方法以建立一个新的应用研究方案，其中包含六个决策质量原则，称为 “决策建模”，并以 ROC 曲线和效用模型为例。

    Jun, 2023

  • 基于物理学与数据驱动建模的动态系统学习方法

    本研究提出了一种基于自动微分的物理模型学习方法 AutoODE，该方法能够有效解决在 COVID-19 等动态系统中由于数据分布发生改变导致机器学习模型性能下降的问题，实验结果表明，AutoODE 相比于基于深度学习的竞争对手，能够将预测误差减少 57.4%。

    Nov, 2020