PulseAugur
中
实时 10:06:40
Italiano(IT) Adversarial Data Modeling in Epidemiology

新框架模拟流行病学中的对抗性数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新框架来模拟流行病学中的对抗性数据，解决了策略性报告的行为数据问题。该方法将人群与公共卫生部门之间的互动视为一个信号博弈，从而能够生成考虑了损坏数据的模型，并使接收者能够恢复可靠的信号。该研究侧重于与口罩佩戴和疫苗接种相关的欺骗行为，分析了均衡结果，并证明即使存在普遍的不诚实行为，通过精心设计的发送者和接收者策略，仍然可以维持有效的疫情控制。 AI

影响 为在存在策略性用户行为的情况下设计更鲁棒的公共卫生模型提供了工具。

排序理由 学术论文发布在arXiv上，详细介绍了一个新的建模框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架模拟流行病学中的对抗性数据

报道来源 [1]

  1. arXiv cs.AI TIER_1 Italiano(IT) · Yiqi Su, Christo Kurisummoottil Thomas, Walid Saad, Sanmay Das, Bud Mishra, Naren Ramakrishnan ·

    流行病学中的对抗性数据建模

    arXiv:2602.20134v2 Announce Type: replace-cross Abstract: Epidemiological models increasingly rely on crowdsourced, self-reported behavioral data such as vaccination status, mask usage, and social distancing adherence. This data, however, is not passively sampled but instead stra…

相关话题