有限表达式方法学习流行病动力学

建模与预测传染病扩散对于有效的公共卫生决策至关重要。传统的流行病模型依赖专家定义的框架来描述复杂的动力学，而神经网络虽然具有预测能力，却因其“黑箱”本质而缺乏可解释性。本文引入了有限表达式方法，这是一种符号学习框架，利用强化学习推导传染病动力学的显式数学表达式。通过对合成数据和真实数据集的 numerical 实验，FEX 在建模与预测疾病扩散方面表现出高精度，同时揭示了传染病变量之间的显式关系。这些结果凸显了FEX作为传染病建模强大工具的潜力，既兼具可解释性，又具备强大的预测性能，以支持公共卫生领域的实际应用。