学会行动：算法与模型在疫情防范中的新型集成
机器学习
2022-10-06 v1
摘要
在这项工作中，我们提出了一个可能改变疫情规划研究与实践的框架。在持续的 COVID-19 大流行背景下引入，我们具体展示了算法如何从流行病学模型中学习，以提升其在疫情防范中的价值。我们本工作的贡献有两点：1）一个新颖的平台，使决策利益相关者能够轻松地与机器学习界开发的流行病学模型和算法进行交互；2）在 Apache-2.0 许可证下发布本工作。本文的目标不是仔细审视任何特定的模型或算法，而是强调它们如何被耦合与共享，以赋能基于证据的决策。
引用
@article{arxiv.2210.02055,
title = {Learning to Act: Novel Integration of Algorithms and Models for Epidemic Preparedness},
author = {Sekou L. Remy and Oliver E. Bent},
journal= {arXiv preprint arXiv:2210.02055},
year = {2022}
}
备注
Presented at the ICLR 2021 Workshop on AI for Public Health. arXiv admin note: substantial text overlap with arXiv:2111.07779