arXiv cs.LG· Jinyi Duan, Qian Li, Biao Tang·· 18 天前AI 评分33
基于拉格朗日-欧拉图神经常微分方程的多尺度时空流行病动态学习与预测
Learning and Forecasting Multiscale Spatiotemporal Epidemic Dynamics with Lagrangian-Eulerian Graph Neural ODEs
AI 导读
研究人员提出 LE-EpiGNODE 框架，利用基于机制引导的神经算子替代通用消息传递，以分别建模拉格朗日感染生成与欧拉人群流动输运。在 14 种受控合成机制、3 个 COVID-19 场景及与 21 个基准模型的对比评估中，该模型在最长预测周期下的 3 个真实数据集中均取得最低 WMAPE，误差相比最佳基准降低了 17.7-40.0%。
来源：arXiv cs.LG · arxiv.org