PulseAugur
中
实时 05:29:16
English(EN) Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC

基于仿真的推断为流行病学模型提供更快的贝叶斯校准

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新研究论文提出，使用基于仿真的推断（SBI）作为马尔可夫链蒙特卡洛（MCMC）的更快、更有效的替代方法，用于校准流行病学模型。该研究使用了来自德国的COVID-19 ICU占用数据，发现SBI可以在显著更短的时间内获得与MCMC相当的结果，将某些推断任务的计算运行时间从数千秒缩短到不到一分钟。这种效率使得SBI成为实时疫情分析和重复预测的有前途的工具。 AI

影响 这项研究展示了一种计算效率更高的方法来处理复杂的模型校准，有可能加速科学发现和公共卫生响应。

排序理由 该集群包含一篇详细介绍新的科学建模计算方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

基于仿真的推断为流行病学模型提供更快的贝叶斯校准

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Alina Bazarova, Johann Fredrik Jadebeck, Henrik Zunker, Carolina J. Klett-Tammen, Torben Heinsohn, Wolfgang Wiechert, Katharina Noeh, Stefan Kesselheim ·

    Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC

    arXiv:2606.27286v1 Announce Type: new Abstract: Mechanistic epidemiological models are widely used to support infectious disease forecasting and public-health decision making. Bayesian calibration of such models is commonly performed using Markov chain Monte Carlo (MCMC), which c…

  2. arXiv cs.AI TIER_1 English(EN) · Stefan Kesselheim ·

    Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC

    Mechanistic epidemiological models are widely used to support infectious disease forecasting and public-health decision making. Bayesian calibration of such models is commonly performed using Markov chain Monte Carlo (MCMC), which can become computationally expensive for high-dim…

相关实体

相关话题