【论文标题】Estimating the State of Epidemics Spreading with Graph Neural Networks

【作者团队】Abhishek Tomy, Matteo Razzanelli, Francesco Di Lauro, Daniela Rus, Cosimo Della Santina

【发表时间】2021/05/10

【机构】牛津大学、麻省理工学院等

【论文链接】https://arxiv.org/pdf/2105.05060.pdf

本文出自牛津大学、MIT 联合团队，作者利用底层的社会网络结构，对流行病传播动力学进行了建模，提出了一种基于图神经网络的疫情传播状态估计方法，并以新冠传播为实验场景测试了本文提出的方法。

当一种流行病传播到人群中时，对所涉及的所有对象进行持续监测往往是不切实际的。我们可以考虑利用算法根据有限的测量结果推断整个人群的状态。

本文作者分析了深度神经网络解决这一具有挑战性的任务的能力。本文提出的架构以图卷积神经网络为基础，它可以推断底层的社会网络结构的影响，这种结构被认为是流行病传播的主要因素。本文作者针对新冠大流行建模了两种场景（通用的同构人群、Boston 大都市地区的模型示例），并以此测试了本文提出的架构。

图 1：模型架构示意图

 

本文提出的架构分为三个阶段：（1）对已知的 y 个节点在过去 k 天中的演化的数据进行采样，并且对三类情况（健康、感染中、治愈或死亡）进行计数。从而生成对时序信息进行编码的标签 l。（2）将第一阶段的输出作为三个图神经网络层的输入，并进行计算。（3）通过输出层再次压缩高维内部信息，输出结果为对于当前疫情传播的估计。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除