用图神经网络估计传染病蔓延的状态
种群与进化
2021-05-12 v1 机器学习
物理与社会
摘要
当传染病在人群中蔓延时，对所有涉及个体进行连续监测通常是不切实际或不可能的。作为替代，算法解可用于从有限数量的测量推断整个人群的状态。我们分析深度神经网络解决这一挑战性任务的能力。我们提出的架构基于图卷积神经网络。因此它可以推理底层社交网络结构的影响，该结构被认作传染病蔓延的主要组成部分。我们用基于 CoVid-19 大流行的两个场景测试所提架构：一个通用同质人群，以及一个波士顿都会区的玩具模型。
引用
@article{arxiv.2105.05060,
title = {Estimating the State of Epidemics Spreading with Graph Neural Networks},
author = {Abhishek Tomy and Matteo Razzanelli and Francesco Di Lauro and Daniela Rus and Cosimo Della Santina},
journal= {arXiv preprint arXiv:2105.05060},
year = {2021}
}
备注
15 pages, 7 figures