MOCMIN: استنتاج محدب لشبكات الاتصال المعيارية منخفضة الرتبة عبر بيانات انتشار فيروس كورونا
| العنوان | MOCMIN: استنتاج محدب لشبكات الاتصال المعيارية منخفضة الرتبة عبر بيانات انتشار فيروس كورونا |
|---|---|
| المؤلف | سيفر، إمري |
| تاريخ النشر: | 2022 |
| مكان النشر | - توبيتاك |
| الموضوع | كوفيد، الانتشار، استنتاج الرسم البياني، النمطية، SEIR |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 1300-0632 |
| رقم السجل | 6ec2e44b-cc9f-4c78-bd48-b1c5c5153654 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2022 |
| نص عينة | يعد SEIR (الذي يتكون من الحالات المعرضة للإصابة والمكشوفة والمصابة والمتعافية) نموذج انتشار شائع يمكنه تصميم ديناميكيات مختلفة لانتشار المرض عبر مجالات مختلفة مثل انتشار الأنفلونزا وكوفيد. كحافز، عبر هذه المجالات، تكون مراقبة حالات العقدة أسهل نسبيًا من مراقبة حواف الشبكة التي يحدث الانتشار عليها، أو قد لا يكون من الممكن حتى مراقبة الشبكة الأساسية. تركز هذه الورقة على مشكلة التنبؤ بحواف شبكة الاتصال البشرية المعيارية ذات الرتبة المنخفضة فقط إذا كان من الممكن ملاحظة ديناميكيات انتشار SEIR المنتشرة بين البشر على شبكة الاتصال الخاصة بهم. تظهر شبكات الاتصال هذه نمطية عالية حيث يحتوي الرسم البياني على اتصالات كثيفة بين القمم داخل الوحدات، ولكن اتصالات متفرقة بين القمم في وحدات مختلفة. نقوم أولاً بصياغة مشكلة الاستدلال هذه كمشكلة تحسين، ومناقشة تحدبها، واقتراح MOCMIN لاستنتاج مثل هذه الاتصالات غير المعروفة لشبكة الاتصال البشرية المعيارية على النحو الأمثل من بيانات انتشار COVID. تعد مشكلة استنتاج شبكة الاتصال المعيارية مهمة في الحالة العامة حيث يمكن التعرف على الحالات البشرية مثل الإصابة بالفيروس والتعافي من الفيروس بسهولة أكبر من الاتصالات بين البشر. يمكن تلخيص مساهماتنا على النحو التالي: (1) يمكن لـ MOCMIN التعامل مع بيانات الانتشار الصاخبة أو غير الكاملة أو ذات العينات المنخفضة أثناء استنتاج شبكة الاتصال غير المعروفة؛ (2) تعتبر شبكات الاتصال المستنتجة معيارية للغاية ولا يمكن ضمانها بالطرق الحالية؛ (3) تطبق هذه الورقة MOCMIN لفهم انتشار فيروس كورونا بشكل أفضل على شبكة الاتصال. لقد وجدنا أن MOCMIN دقيق في استنتاج شبكة الاتصال البشرية الحقيقية المعيارية من بيانات انتشار فيروس كورونا في ظل عدد من السيناريوهات الصعبة. على سبيل المثال، يمكن استنتاج شبكة الاتصال بالمدرسة الثانوية هذه من خلال تتبع انتشار فيروس كورونا بين البشر بشكل أفضل بنسبة 5% تقريبًا من الطرق المقارنة من خلال قدرة MOCMIN على نمذجة نمطية الشبكة. ومن خلال هذا الاستدلال، يمكننا أيضًا فهم تفاصيل ديناميكيات انتشار فيروس كورونا في شبكة الاتصال البشرية الحقيقية. بالإضافة إلى ذلك، تحاكي الرسوم البيانية للاتصال البشري المستنتجة تقريبًا الخصائص الرسومية المعروفة لشبكة الاتصال الحقيقية. وأخيرًا، يتفوق MOCMIN على الأساليب المنافسة أثناء تقدير الشبكات الاصطناعية. |
| DOI | 10.55730/1300-0632.3956 |
| Cilt | 30 |
