一个新的辐射基础神经网络用于寨卡病毒传播模型
Zulqurnain Sabir1, Tino Bou Rada1, Zeinab Kassem1
1Department of Computer Science and Mathematics, Lebanese American University, Beirut, Lebanon.
Computational biology and chemistry
|August 8, 2024
概括
这项研究引入了一个新的神经网络模型来模拟寨卡病毒传播动态. 该方法准确地代表了SEIR模型,为了解疾病传播提供了一种可靠的方法.
科学领域:
- 计算生物学是一种计算生物学.
- 流行病学 流行病学
- 人工智能的人工智能是人工智能.
背景情况:
- 寨卡病毒对公众健康构成重大威胁,需要准确的模型来预测其传播.
- 现有的流行病学模型通常需要复杂的数值方法,可能无法完全捕捉随机变化.
研究的目的:
- 开发一种新的随机结构,使用辐射基础神经网络来数值表示寨卡病毒传播模型 (ZVSM).
- 准确模拟寨卡病毒在人类和载体种群中传播的SEIR (易受感染,暴露,感染,恢复) 动态.
主要方法:
- 设计了一个前神经网络,具有辐射基激活功能和22个神经元.
- 优化了使用贝叶斯规范化的网络来解决非线性ZVSM.
- 使用了一个明确的Runge-Kutta方案来生成用于培训和验证的数据集.
- 使用了78%的数据用于培训,11%用于认证和11%用于测试.
主要成果:
- 拟议的神经网络模型有效地解决了三种不同情况下的非线性ZVSM.
- 该模型表现出高精度,由匹配结果和低的平均平方误差 (MSE) 证明.
- 通过回归分析,MSE,错误组图和状态过渡分析来验证性能.
结论:
- 新的辐射基础神经网络随机结构为寨卡病毒传播模型提供了可靠和准确的数值解决方案.
- 这种由人工智能驱动的方法为了解和潜在地减轻寨卡病毒爆发提供了强大的工具.
