半监督神经网络求解建模 COVID-19 传播的逆向问题
机器学习
2021-11-09 v1 机器学习
摘要
研究 COVID-19 的动态变化对于理解限制性措施的有效性以及制定抵御即将到来的传染浪潮的策略至关重要。在这项工作中，我们使用半监督神经网络并假设一部分被动人群与病毒动态隔离，来研究 COVID-19 的传播。我们首先使用一个无监督神经网络，针对不同的建模参数和初始条件学习微分方程的解。然后，一种监督方法通过估计最优条件来求解逆向问题，这些条件生成函数以拟合感染、康复以及死于 COVID-19 的数据。这种半监督方法结合真实数据来确定不同国家传播演变、被动人群以及基本再生数。
引用
@article{arxiv.2010.05074,
title = {Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread},
author = {Alessandro Paticchio and Tommaso Scarlatti and Marios Mattheakis and Pavlos Protopapas and Marco Brambilla},
journal= {arXiv preprint arXiv:2010.05074},
year = {2021}
}
备注
5 pages, 3 figures