用于评估大流行风险的机器推理：以罗斯福号航母为例
计算机与社会
2020-08-26 v1
摘要
评估大流行对社区和工作场所的风险需要智能决策支持系统（DSS）。此类 DSS 的核心必须基于机器推理技术（如推理），并应能估计决策中的风险与偏差。本文中，我们使用因果网络对 COVID-19 数据进行贝叶斯推理，特别地，评估感染率及其他预防指标等风险。与其他统计模型不同，贝叶斯因果网络通过联合分布结合多种数据源，并更好地反映可用数据的不确定性。我们以 2020 年初发生在罗斯福号航母（USS Theodore Roosevelt）上的 COVID-19 疫情为例进行说明。
引用
@article{arxiv.2008.11040,
title = {Machine Reasoning to Assess Pandemics Risks: Case of USS Theodore Roosevelt},
author = {Kenneth Lai and Svetlana N. Yanushkevich},
journal= {arXiv preprint arXiv:2008.11040},
year = {2020}
}
备注
9 pages, 3 figures, submitted to IEEE Transactions on Emerging Topics in Computational Intelligence. arXiv admin note: text overlap with arXiv:2008.03845