基于神经网络代理模型的智能体流行病学模型精确校准
机器学习
2020-10-14 v1
摘要
将复杂的流行病学模型校准到观测数据上，是提供对当前疾病动态的洞察（即通过估计再生数），以及提供可靠预测和情景探索的关键步骤。本文提出一种新方法，利用针对美国不同主要都市区的大量仿真集成，来校准一个基于智能体的模型——EpiCast。具体而言，我们提出：一个能够同时模拟所有不同地点的新型基于神经网络的代理模型；以及一种新颖的后验估计方法，其不仅提供更准确的所有参数后验估计，还支持跨区域的全局参数联合拟合。
引用
@article{arxiv.2010.06558,
title = {Accurate Calibration of Agent-based Epidemiological Models with Neural Network Surrogates},
author = {Rushil Anirudh and Jayaraman J. Thiagarajan and Peer-Timo Bremer and Timothy C. Germann and Sara Y. Del Valle and Frederick H. Streitz},
journal= {arXiv preprint arXiv:2010.06558},
year = {2020}
}