科研動態

研究建立基于深度學習方法的疫情防控神經網絡模型

來源: 時間:2021-08-23

  新型冠狀病毒肺炎暴發以來嚴重危害世界人民的生命健康安全,疫情防控已經成為我國當前乃至未來一段時間政府工作重點。為助力政府做好新冠肺炎疫情防控,省科學院智能制造所人因工程團隊李辰潼博士根據疫情防控實際需求,結合傳統的生物數學模型和深度學習圖神經網絡方法,綜合運用最優化原理、貝葉斯統計分析和深度學習方法,建立了適合當下疫情防控實際的最優化神經網絡模型,為快速找到最有可能的感染者、節約防控成本提供了新思路。

  該模型以傳統的隨機游走圖網絡模型為模板,首先以城市的地鐵和公交站點為節點,彼此間的公共交通路線作為邊,構建鄰接矩陣,再以鄰接矩陣的冪次構建可達矩陣。其次,根據疫情防控的具體需求,提取疫情發現節點的可達矩陣的列、公共交通的平均速度以及所求間隔時間作為輸入,同時以間隔時間后各個節點有疫情傳播到的概率作為輸出,綜合使用各類網絡搭建技巧,搭建如圖1所示圖神經網絡模型。該模型經過訓練可輸出疫情發生節點在單位時間后可傳播到城市各個交通節點的概率,進而為疫情防控提供精準依據。該模型具有很強的可塑性,可充分考慮各類變異毒株,對不同的社區結構和病毒毒性都能快速找到所有感染者,是圖神經網絡模型在傳染病防控領域的首次應用。同時,該模型還可以應用到車輛位置追蹤、遙感追蹤等領域。

  相關研究已獲得了第69批中國博士后基金的資助。


  圖1 解決病人追蹤問題的隨機游走圖網絡(RWGN)模型構架圖


  圖2 基于模擬數據的實時預測結果,紅箭頭為新發現的新發病例,藍箭頭是該病例接觸過該區域的概率

  (省科學院智能制造所/供稿)

附件下載:
黑人强伦姧尺寸太大,无码免费毛片手机在线无卡顿,老师奶头又白又大又好摸,性生生活免费高清在线观看
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>