基于置信传播的网络流行病贝叶斯推断
定量方法
2014-03-28 v2 统计力学
社会与信息网络
摘要
我们从统计物理学的角度研究了网络上不可逆随机流行病模型的若干贝叶斯推断问题。我们推导出一些方程，这些方程能够根据某些观测结果精确计算每个节点状态随时间演化的后验分布。与大多数现有方法不同，我们允许非常通用的观测模型，包括未观测节点、在不同或未知时间做出的状态观测，以及感染时间的观测，这些观测可能混合在一起。我们的方法基于置信传播算法，高效、自然分布式，并且在树上精确。作为一个特例，我们考虑了在稍后未知时间给定网络状态快照的情况下，寻找SIR或SI流行病的“零号病人”的问题。数值模拟表明，我们的方法在合成网络和真实网络上都优于先前的方法，且通常优势非常显著。
引用
@article{arxiv.1307.6786,
title = {Bayesian inference of epidemics on networks via Belief Propagation},
author = {Fabrizio Altarelli and Alfredo Braunstein and Luca Dall'Asta and Alejandro Lage-Castellanos and Riccardo Zecchina},
journal= {arXiv preprint arXiv:1307.6786},
year = {2014}
}