疫学モデルにおける機械学習駆動緩和ポリシー最適化【JST・京大機械翻訳】

Thiagarajan Jayaraman J.; Bremer Peer-Timo; Anirudh Rushil; Germann Timothy C.; Del Valle Sara Y.; Streitz Frederick H.

プレプリント

J-GLOBAL ID：202202210921255089 整理番号：22P0201101

疫学モデルにおける機械学習駆動緩和ポリシー最適化【JST・京大機械翻訳】

Machine Learning-Powered Mitigation Policy Optimization in Epidemiological Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年10月16日プレプリントサーバーでの情報更新日： 2020年10月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

公衆衛生危機を管理する重要な側面は,その社会経済的影響を考慮しながら,予防と緩和戦略を効果的にバランスさせることである。特に,公共資源の有効利用に対する異なる非医薬品介入(NPIs)の影響を決定することは,ワクチンが利用できるときの不確実性を与える重要な問題である。本論文では,異なる介入の下で疾患の進行を特徴付けできる疫学的モデルに基づく最適な政策推薦を得るための新しいアプローチと,流行の異なる段階で適切なNPIを選択するための先見の報酬最適化戦略を提案する。任意の疫学的モデルと指数関数的性質に固有の時間遅れを,特に非管理流行の場合,著者らは,そのようなルックアヘッド戦略が,指定した制約にうまく接着する非自明な政策を推論することを発見した。2つの異なる疫学的モデル,すなわち,SEIRとEpiCastを用いて,著者らは,毎日の新事例の数に関する制約の下で,最適NPI政策を決定するために,提案したアルゴリズムを評価して,一次報酬は制限の不在であった。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

公衆衛生

, , ,

前のページに戻る