Yazar
Sefer, Emre
Basım Tarihi
2022
Basım Yeri
-
TÜBİTAK
Konu
COVID, Difüzyon, Grafik çıkarımı, Modülerlik, SEIR
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
1300-0632
Kayıt Numarası
6ec2e44b-cc9f-4c78-bd48-b1c5c5153654
Lokasyon
Bilgisayar Bilimi
Tarih
2022
Örnek Metin
SEIR (duyarlı, maruz kalan, enfekte ve iyileşmiş durumlardan oluşan), grip ve COVID yayılımı gibi çeşitli alanlarda farklı hastalık yayılma dinamiklerini modelleyebilen yaygın bir yayılma modelidir. Bir motivasyon olarak, bu alanlar arasında düğüm durumlarını gözlemlemek, yayılımın gerçekleştiği ağ kenarlarını gözlemlemekten nispeten daha kolaydır veya altta yatan ağı gözlemlemek mümkün olmayabilir. Bu makale, modüler düşük dereceli insan temas ağı sınırlarının tahmin edilmesi sorununa, yalnızca temas ağları üzerinde insanlar arasında yayılan bir SEIR yayılma dinamiğinin gözlemlenmesi durumunda odaklanmaktadır. Bu tür temas ağları, grafiğin modüller içindeki köşeler arasında yoğun bağlantılara sahip olduğu, ancak farklı modüllerdeki köşeler arasında seyrek bağlantıların olduğu yüksek modülerlik sergiler. Öncelikle böyle bir çıkarım problemini bir optimizasyon problemi olarak formüle ediyoruz, dışbükeyliğini tartışıyoruz ve MOCMIN'in, modüler insan iletişim ağının bu tür bilinmeyen bağlantılarını COVID yayılma verilerinden en iyi şekilde çıkarmasını öneriyoruz. Bu modüler temas ağı çıkarımı sorunu, virüs bulaşmış ve virüsten kurtulmuş gibi insan durumlarının, insanlar arasındaki temaslardan daha kolay tanımlanabildiği genel durumda önemlidir. Katkılarımız şu şekilde özetlenebilir: (1) MOCMIN, bilinmeyen iletişim ağını çıkarımlarken gürültülü, eksik veya örneklenmemiş yayılma verilerini işleyebilir; (2) Çıkarılan iletişim ağları oldukça modülerdir ve mevcut yöntemlerle sağlanamaz; (3) Bu belge, iletişim ağındaki COVID yayılımını daha iyi anlamak için MOCMIN'i uygulamaktadır. Bir dizi zorlu senaryo altında MOCMIN'in, COVID yayılma verilerinden modüler gerçek insan temas ağı çıkarımında doğru olduğunu gördük. Örnek olarak, bu tür lise iletişim ağı, MOCMIN'in ağın modülerliğini modelleme becerisine göre, insanlar arasındaki COVID yayılımının karşılaştırılan yöntemlere göre yaklaşık %5 daha iyi izlenmesiyle çıkarılabilir. Böyle bir çıkarım yoluyla, gerçek insan iletişim ağındaki COVID yayılma dinamiklerinin ayrıntılarını da anlayabiliriz. Ek olarak, çıkarılan insan temas grafikleri, gerçek temas ağının bilinen grafik özelliklerini neredeyse taklit eder. Son olarak MOCMIN, sentetik ağları tahmin ederken rakip yaklaşımlardan daha iyi performans göstermektedir.
DOI
10.55730/1300-0632.3956
Cilt
30
