您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
人工智能 正文
发私信给章敏
发送

0

论文精选 | 流感也能预测——升级版状态滤波算法

本文作者:章敏 2016-09-02 17:18
导语:SIR模型是传染病模型中最经典的模型,最基本的模型,为传染病动力学的研究做出了奠基性的贡献。其中S表示易感者,I表示感染者,R表示移出者。

导读:SIR模型是传染病模型中最经典的模型,最基本的模型,为传染病动力学的研究做出了奠基性的贡献。其中S表示易感者,I表示感染者,R表示移出者。

预测SIR流行病的升级版状态滤波算法(An Improved State Filter Algorithm for SIR Epidemic Forecasting)

 论文精选 | 流感也能预测——升级版状态滤波算法

摘要:在流行病建模中,状态滤波在提高传统传染病模型的性能方面是一种很好的工具。我们引入了一种新的状态过滤算法,以进一步提高基于易感者-感染者-移出者SIR)模型最好方法的性能。该算法融合了两种技术,它们被通常单独使用:线性校正,如在集合卡尔曼滤波(中EnKF)看到一样,和重采样,如用于粒子滤波(PF)中一样。通过利用了非中心的协方差矩阵(UCM)和标准柱中心的协方差矩阵(CCM)这两种矩阵的算法,我们将我们方法的推理精度与EnKF和集合调整卡尔曼滤波(EAKF)进行了比较。相比于EnKF我们的算法需要O(DN)更多的时间,其中D是集合维度和N表示集合大小。我们的经验表明,在选定的方法中,我们的UCM算法在14个主要现实世界的11个场景中实现了最小的均方根误差(RMSE)和最高的相关系数(CORR)。我们表明,尽管在大多数情况下有着CCM的EAKF可以获得更好的精度,但有着UCM的 EnKF优于有着CCM的EnKF。

第一作者简介

Weipeng Huang

邮箱: weipeng.huang@insight-centre.org

任职:科克大学计算机科学系博士

研究方向:数据挖掘,算法,人工智能

文章总结及应用场景

本文提出了一种改进的基于SIR滤波算法,BASS,用于预测季节性流感水平。14个主要现实世界的11个场景中,它经验性的实现了最优的RMSE和CORR。实验结果表明,在我们的构思中,BASS和EnKF的表现优于UCM,而且EAKF利用CCM是理想状态。

我们的未来的工作包括结合社会数据,以进一步改善模型和过滤器的方法。我们对于结合SIRS模型与过滤器预测持续性季节性流感方面也有很大兴趣。此外,我们还想评估我们的滤波算法是否适用于其他的一般问题。

via:ECAI  2016

PS : 本文由雷锋网独家编译,未经许可拒绝转载!

原论文下载

论文精选 | 流感也能预测——升级版状态滤波算法

雷峰网原创文章,未经授权禁止转载。详情见转载须知

论文精选 | 流感也能预测——升级版状态滤波算法

分享:
相关文章
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说