A Comparative Analysis of Classical and Approximate Bayesian Inference Techniques in Multiparameter Compartmental Epidemiological Models for COVID-19 Pandemic

Bazarova, Alina und Jadebeck, Johann F. und Nöh, Katharina und Wiechert, Wolfgang und Kühn, Martin Joachim und Kesselheim, Stefan (2024) A Comparative Analysis of Classical and Approximate Bayesian Inference Techniques in Multiparameter Compartmental Epidemiological Models for COVID-19 Pandemic. Helmholtz AI Conference 2024, 2024-06-12, Düsseldorf.

PDF
620kB

elib-URL des Eintrags:

https://elib.dlr.de/204876/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

A Comparative Analysis of Classical and Approximate Bayesian Inference Techniques in Multiparameter Compartmental Epidemiological Models for COVID-19 Pandemic

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Bazarova, Alina	al.bazarova (at) fz-juelich.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Jadebeck, Johann F.	Institute for Bio- and Geosciences, IBG-1: Biotechnology, Forschungszentrum Jülich GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Nöh, Katharina	Institute for Bio- and Geosciences, IBG-1: Biotechnology, Forschungszentrum Jülich GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wiechert, Wolfgang	Institute for Bio- and Geosciences, IBG-1: Biotechnology, Forschungszentrum Jülich GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Kühn, Martin Joachim	Martin.Kuehn (at) dlr.de	https://orcid.org/0000-0002-0906-6984	NICHT SPEZIFIZIERT
Kesselheim, Stefan	Jülich Supercomputing Centre	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

12 Juni 2024

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Parameter estimation, MCMC, Normalizing flows, Artificial intelligence, Machine learning, Covid-19

Veranstaltungstitel:

Helmholtz AI Conference 2024

Veranstaltungsort:

Düsseldorf

Veranstaltungsart:

nationale Konferenz

Veranstaltungsdatum:

12 Juni 2024

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - Aufgaben SISTEC

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Softwaretechnologie > High-Performance Computing
Institut für Softwaretechnologie

Hinterlegt von:

Kühn, Dr. Martin Joachim

Hinterlegt am:

27 Jun 2024 13:25

Letzte Änderung:

27 Jun 2024 13:25

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags