MétaCan
Menu
Retour à la cohorte
Enregistrement W3022526271 · doi:10.1142/s021812742050073x

Canard Phenomenon in an SIRS Epidemic Model with Nonlinear Incidence Rate

2020· article· en· W3022526271 sur OpenAlexaff
Yingying Zhang, Yicang Zhou, Biao Tang

Notice bibliographique

RevueInternational Journal of Bifurcation and Chaos · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLimit cycleNonlinear systemPhenomenonMathematicsSingular perturbationPerturbation (astronomy)Epidemic modelDivergence (linguistics)Limit (mathematics)Applied mathematicsMathematical analysisPhysicsDemographyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose an SIRS epidemic model with a new complex nonlinear incidence rate, which describes the psychological effect of some diseases on the community as the number of infective individuals increases, including linear and nonlinear hazards of infection. The canard phenomenon for the model is analyzed, and its epidemiological meaning is discussed. By using geometrical singular perturbation theory and blow up technique, we investigate the relaxation oscillation of the model with the special fold point [Formula: see text]. The unique existence of the limit cycle is proved. We verify the existence of the canard cycle without head by using singular perturbation theory and analyze the cyclicity of the limit cycle. The detailed formula for slow divergence integral of the model is presented. We also discuss and prove the existence of the canard cycle with head. Numerical simulations are done to demonstrate our theoretical results.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil0,192

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,327
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bifurcation and ChaosMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207