面向具有时变动力学特征的区室传染病模型的全变分正则化
机器学习
2020-06-02 v2 机器学习
定量方法
摘要
区室传染病模型是流行病学中最受欢迎的模型之一。对于刻画这些模型的参数（例如传播率），大多数研究者将其简化为常数，而另一些研究者则设法检测其连续变化。本文则从另一角度旨在捕捉不连续变化，这能更好地描述许多值得注意事件（如城市封锁、方舱医院启用以及病毒突变）的影响，这些事件的效果应当是瞬时的。为此，我们通过全变分来平衡模型的似然，从而调节模型参数的时间变化。为推断这些参数，我们未使用蒙特卡洛方法，而是设计了一种新颖且直接的优化算法，称为迭代 Nelder–Mead（Iterated Nelder–Mead），其反复应用 Nelder–Mead 算法。在模拟数据上进行的实验表明，我们的方法能够复现这些不连续性并精确刻画疫情。
引用
@article{arxiv.2004.00412,
title = {Total Variation Regularization for Compartmental Epidemic Models with Time-Varying Dynamics},
author = {Wenjie Zheng},
journal= {arXiv preprint arXiv:2004.00412},
year = {2020}
}
备注
11 pages, 6 figures