elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Estimating the state of epidemics spreading with graph neural networks

Tomy, Abhishek und Razzanelli, Matteo und Di Lauro, Francesco und Rus, Daniela und Della Santina, Cosimo (2022) Estimating the state of epidemics spreading with graph neural networks. Nonlinear Dynamics, 109 (1), Seiten 249-263. Springer. doi: 10.1007/s11071-021-07160-1. ISSN 0924-090X.

[img] PDF - Preprintversion (eingereichte Entwurfsversion)
977kB

Offizielle URL: https://dx.doi.org/10.1007/s11071-021-07160-1

Kurzfassung

When an epidemic spreads into a population, it is often impractical or impossible to continuously monitor all subjects involved. As an alternative, we propose using algorithmic solutions that can infer the state of the whole population from a limited number of measures. We analyze the capability of deep neural networks to solve this challenging task. We base our proposed architecture on Graph Convolutional Neural Networks. As such, it can reason on the effect of the underlying social network structure, which is recognized as the main component in spreading an epidemic. The proposed architecture can reconstruct the entire state with accuracy above 70%, as proven by two scenarios modeled on the CoVid-19 pandemic. The first is a generic homogeneous population, and the second is a toy model of the Boston metropolitan area. Note that no retraining of the architecture is necessary when changing the model.

elib-URL des Eintrags:https://elib.dlr.de/193635/
Dokumentart:Zeitschriftenbeitrag
Titel:Estimating the state of epidemics spreading with graph neural networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Tomy, AbhishekInria Grenoble - Rhône-AlpesNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Razzanelli, MatteoProxima Robotics srl, PisaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Di Lauro, FrancescoUniversity of OxfordNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Rus, Danielarus (at) csail.mit.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Della Santina, CosimoCosimo.DellaSantina (at) dlr.dehttps://orcid.org/0000-0003-1067-1134NICHT SPEZIFIZIERT
Datum:21 Januar 2022
Erschienen in:Nonlinear Dynamics
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:109
DOI:10.1007/s11071-021-07160-1
Seitenbereich:Seiten 249-263
Verlag:Springer
ISSN:0924-090X
Status:veröffentlicht
Stichwörter:graph neural networks
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Basistechnologien [RO]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Analyse und Regelung komplexer Robotersysteme
Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Strobl, Dr. Klaus H.
Hinterlegt am:27 Jan 2023 14:49
Letzte Änderung:19 Okt 2023 12:31

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.