研究建立基于深度学习方法的疫情防控神经网络模型

文章供稿:李辰潼  |  发布日期:2021-07-26

  新型冠状病毒肺炎是一种于2019年底爆发的新型传染病,严重危害着世界人民的生命健康安全,新冠肺炎疫情的防控已经成为我国各地区当前乃至未来一段时间政府工作的重点。

  为助力政府做好新冠肺炎疫情防控提供技术支撑,省科学院智能制造所人因工程技术团队李辰潼博士根据疫情防控实际需求,结合人工智能分类的准确性与传统的生物数学方法的泛化性优势,综合运用最优化原理、贝叶斯统计分析和深度学习方法,建立了适合当下疫情防控实际的最优化神经网络模型,为快速找到最有可能的感染者,节约防控成本提供了新思路。该模型具有很强的可塑性,可充分考虑各类变异毒株,对不同的社区结构和病毒毒性都能快速找到所有感染者。该模型还可以应用到车辆位置追踪、遥感追踪等领域。

  相关研究已获得了第69批中国博士后基金的资助。

图1 解决病人追踪问题的随机游走图网络(RWGGN)模型构架图

图2 基于模拟数据的实时预测结果,红箭头为新发现的新发病例,蓝箭头是该病例接触过该区域的概率

附件下载: