Characterization of extremal epidemic networks with diffusion characters
Notice bibliographique
Résumé
Epidemic models often incorporate contact networks along which the disease can be passed. The connectivity of the network can have a substantial impact on the course of the epidemic. In this study an evolutionary computation system is used to optimizes networks with a fixed distribution of contacts to yield either long-lasting epidemics or epidemics in which a maximal number of individuals are infected in a given time step. These networks represent extremal cases of network behavior. A novel network analysis tool called the diffusion character matrix, derived from the Leontief inverse of a modified adjacency matrix, is used to demonstrate that the networks located for the two optimizations are substantially different. The diffusion character matrix analysis allows us to place several metric-like dissimilarity measure on the space of graphs with a fixed number of nodes. The evolutionary algorithm used searches the space of networks with a specified degree sequence, with degrees representing the number of contacts for each member of the population. The representation used to evolve networks is a linear chromosome specifying a series of degree-preserving editing moves applied to an initial network that specifies the degree sequence of the searched networks. The evolutionary algorithm uses a non-standard type of restart called recentering in which the currently best network in the population replaces the initial network at intervals. The recentering operator moves the evolving population to successively higher fitness regions of the search space. In this study the algorithm is applied to networks with constant degrees from 3 to 7. The diffusion character matrix analysis also demonstrates that the volume of the search space occupied by networks maximizing the number of individuals that fall sick in one time step is much smaller than that occupied by networks that maximize epidemic length.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».