用于促进贝叶斯推断的传染病模型序列到序列代理模型
机器学习
2023-03-13 v2 人工智能
概率论
种群与进化
机器学习
摘要
传染病模型是理解传染病的有力工具。然而，随着其规模和复杂性的增加，它们很快就会变得计算上难以处理。建模方法的最新进展表明，代理模型可用于模拟具有高维参数空间的复杂传染病模型。我们展示了深度序列到序列（seq2seq）模型可以作为具有基于序列的模型参数的复杂传染病模型的精确代理，有效复现季节性和长期传播动态。一旦训练完成，我们的代理模型预测场景的速度比原始模型快几千倍，使其成为政策探索的理想选择。我们证明，用学习到的模拟器替代传统传染病模型有助于稳健的贝叶斯推断。
引用
@article{arxiv.2209.09617,
title = {Seq2Seq Surrogates of Epidemic Models to Facilitate Bayesian Inference},
author = {Giovanni Charles and Timothy M. Wolock and Peter Winskill and Azra Ghani and Samir Bhatt and Seth Flaxman},
journal= {arXiv preprint arXiv:2209.09617},
year = {2023}
}