Jul, 2023

基于接受控制措施的病毒蔓延的代理模型模拟

PDF
TL;DR通过结合改进的 SEIRD 模型和公民决策模型，本研究提出了一个基于 Agent-Based Modeling (ABM) 的架构，可用于分析社会中病毒感染的演变过程，考虑到传染病防控措施的接受与拒绝对病毒传播的影响。
compartmental epidemiological modelsagent-based modelingseird modelmitigation strategiesindividual behavior
发现论文，激发创造
  • 人类网络中的疫情传播

    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

  • 可微分的基于代理的流行病学

    本篇论文介绍了一种新的可扩展，快速且可微分的 ABM 设计，即 GradABM。通过广泛的实验，我们证明了 GradABM 的有效性。

    Jul, 2022

  • 疫情爆发的头 100 天：药物、行为和数字介入的相互作用研究 —— 一个基于代理模型的研究

    利用基于代理的模型 (ABM) 对复杂的感染动态和干预影响进行模拟，研究了疫情流行的趋势以及干预措施的综合应用，发现在前 100 天内做出迅速决策和高效政策制定对疫情发展至关重要，同时揭示了行为和数字干预可以减少药物干预的负担，延迟疫情高峰，并指出将预算相同的资源投入广泛的测试、接触追踪和自我隔离相比，更具成本效益。

    Jan, 2024

  • 一个基于人工智能的代理模型及其在新西兰麻疹爆发模拟中的应用

    利用最新的人工智能技术和传统的基于代理的模型，该研究通过耦合图神经网络（GNN）和长短期记忆（LSTM）网络，开发了一种张量化且可微分的基于代理的模型，用于研究 2019 年发生在新西兰的麻疹爆发，展示了在重复发病期间准确模拟爆发动态的有希望的能力，从而帮助我们在制定应对爆发和最大限度减少对日常生活干扰的有效策略时做出更明智的决策。

    Mar, 2024

  • 基于生成式代理的疫情建模

    通过与类 ChatGPT 的大规模语言模型连接，利用基于生成的人工智能的代理人疫情模型，使每个代理人能够自主理解和决策，从而将人类行为纳入疫情模型，本研究开创可能改善动态系统建模的潜力，为代表人类大脑、推理和决策方式的建模提供一种方法。

    Jul, 2023

  • 基于数据同化的新型冠状病毒疫情流行病学建模方法

    我们提出了一种流行病学模型，它可以通过变分数据同化实时地整合新数据，用于预测和评估全球隔离措施的社会和经济成本，并分析和讨论中国、美国和意大利的感染率，尤其是我们开发了一个适用于中国城市疫情相关变量的定制隔室 SIR 模型，称为 SITR 模型，并应用混合数据同化方法使结果鲁棒性更强。

    Apr, 2020

  • 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

  • 基于随机森林的贝叶斯校准随机代理模型

    该研究使用基于随机森林的代理模型技术加速评估传染病流行模型，并通过 Markov 链蒙特卡罗方法对一种名为 CityCOVID 的流行病学模型进行校准，以提高其预测性能。

    Jun, 2024

  • 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

  • 聚合异质数据的流行病学建模的差异

    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