Университет Брауна опубликовал новое исследование, как машинное обучение может улучшить модели прогнозирования COVID-19.
Команда исследовала девять известных моделей COVID-19, каждая из которых представляла собой свою разновидность модели.
Эти модели делят популяцию на тех:
а. восприимчив, еще не инфицирован.
б. кто инфицирован и может передавать вирус другим.
в. тех, кто заразился инфекцией и больше не может ее распространять.
Так же применялись и сложные версии модели SIR включающие такие маркеры как показатели карантина, госпитализации, смертей и других данных, которые могут повлиять на распространение вируса.
А теперь то что важно результаты показывают что ни одна модель не может точно отразить всю динамику, которая проявляется во время продолжительной пандемии.
Оно и понятно слишком много факторов неопределенности, а вариативность мутации вируса, математически не просчитывается потому что нет ключевой составляющей подвергающейся оценке, а именно то как оценить факт что вирус пытается выжить.
UM v3.01 Деньги на диване, и нейронные сети совсем чуть чуть …