动态高斯过程模型的演进及其在疟疾疫苗覆盖率预测中的应用
应用统计
2020-12-22 v1 统计方法学
摘要
基于高斯过程(GP)的统计代理模型是模拟真实世界现象或复杂系统的昂贵计算机模型输出的流行且廉价的替代物。在此，我们讨论动态 GP 模型的演进——一种针对具有时间序列输出的计算机模拟器的计算高效统计代理模型。其主要思想是使用标准 GP 模型的卷积，其中权重由响应矩阵在时间分量上的奇异值分解(SVD)引导。动态 GP 模型还采用局部化建模方法为大型数据集建立统计模型。在本章中，我们使用多个流行的基于测试函数的计算机模拟器来说明动态 GP 模型的演进。我们还将该模型用于预测全球疟疾疫苗覆盖率。疟疾仍影响着热带带内八十多个国家的地区。仅 2019 年，它在全球就造成了超过 435,000 人死亡。若及时诊断，此病易于治愈，但其常见症状使之难以诊断。我们关注一种最近发现的可靠疫苗 Mos-Quirix (RTS,S)，其目前正进行人体试验。借助从世界卫生组织获得的关于其他疫苗的剂量、效力、发病率和传染性的公开数据，我们预测了 78 个疟疾易感国家的疫苗覆盖率。
引用
@article{arxiv.2012.11124,
title = {The Evolution of Dynamic Gaussian Process Model with Applications to Malaria Vaccine Coverage Prediction},
author = {Pritam Ranjan and M. Harshvardhan},
journal= {arXiv preprint arXiv:2012.11124},
year = {2020}
}