谁是“沉默传播者”？：时空记忆模型中的接触追踪
社会与信息网络
2021-10-26 v3 物理与社会
摘要
COVID-19 疫情已席卷全球一年有余。然而，大量传染性无症状 COVID-19 病例（\textit{ACC}s）仍使得切断传播链极为困难。许多国家的流行病学研究者已阐明 ACCs 的临床特征，但仍缺乏实用方法来检测 ACCs 以助力控制疫情。为解决 ACCs 问题，本文提出一种称为 COVID-19 时空情景记忆（\textit{STEM-COVID}）的神经网络模型，以从接触追踪数据中识别 ACCs。该模型基于融合自适应共振理论（\textit{ART}），编码个体的集体时空情景记忆，并纳入一种有效的 ACCs 并行搜索机制。具体而言，利用已识别阳性病例的情景轨迹，通过加权证据池化方法映射出疑似 ACCs 的情景轨迹。为评估 STEM-COVID 的有效性，基于近期关于 ACCs 的流行病学发现，实现了一个逼真的基于智能体的 COVID-19 传播仿真模型。基于严谨仿真场景（体现当前 COVID-19 传播态势）的实验表明，与若干基线相比，采用加权证据池化的 STEM-COVID 模型在识别 ACCs 上具有更高的准确率和效率。此外，该模型对噪声数据和不同 ACC 比例表现出强鲁棒性，这在一定程度上反映了疫苗接种后突破感染对病毒传播的影响。
引用
@article{arxiv.2010.00187,
title = {Who Are the `Silent Spreaders'?: Contact Tracing in Spatio-Temporal Memory Models},
author = {Yue Hu and Budhitama Subagdja and Ah-Hwee Tan and Chai Quek and Quanjun Yin},
journal= {arXiv preprint arXiv:2010.00187},
year = {2021}
}
备注
8 pages, 6 figures, 2 tables