Close

Serie de seminarios mundiales sobre epidemiología informática generalizada: Control de la propagación de epidemias a través de redes estocásticas

Serie de seminarios del GPCE

Fecha/Hora: Jueves 12 de agosto de 11:30 a. m. a 12:30 p. m., hora del Este (EE. UU.)

Tema: Control de la propagación de epidemias a través de redes estocásticas

Ponente: Aravind Srinivasan

Enlace de Zoom: https://virginia.zoom.us/j/92700002677?pwd=Zi8vQ21TUHpBQVYxQXFpaTZPY2FNdz09

 

Resumen:
La propagación de una epidemia es a menudo modelada por un proceso aleatorio SIR en una gráfica de redes sociales. El problema del MinInf implica minimizar el número esperado de infecciones cuando la enfermedad comienza en un vértice designado y podemos romper en la mayoría de los bordes $B$ (o en la mayoría de los vértices $B$, en el caso de la vacunación) de de la gráfica. Este tipo de intervención se corresponde naturalmente con la implementación del distanciamiento social (o vacunación, respectivamente) y, como ha demostrado la pandemia del COVID-19, es crítica para mitigar la propagación de la infección. Aunque este problema es fundamental en epidemiología, ha permanecido generalmente abierto. En este artículo, estudiamos el problema del MinInf bajo el modelo de gráfico aleatorio de Chung-Lu, y desarrollamos un esquema de aproximación de la muestra promedio (SAA) para él. Además, mostramos que para ciertos parámetros del modelo de gráfico aleatorio que afectan al número de trayectorias en un gráfico dibujado al azar, nuestro marco produce algoritmos rigurosos de aproximación de criterios dobles. Por último, complementamos este último proporcionando casos que demuestran los límites de nuestro enfoque de SAA.

Este es un trabajo conjunto con Michael Dinitz (Universidad Johns Hopkins), Leonidas Tsepenekas (Universidad de Maryland) y Anil Vullikanti (Universidad de Virginia).

 

Biografía del ponente:
Aravind Srinivasan es un distinguido profesor universitario y profesor de Ciencias de la Computación, UMIACS y AMSC, en la Universidad de Maryland, College Park. Sus principales intereses de investigación son los algoritmos, métodos probabilísticos, ciencia de datos, ciencia de redes y teoría y aplicaciones de aprendizaje automático en áreas como salud, comercio electrónico, computación en nube, publicidad en Internet y equidad. Abarcan áreas que incluyen: algoritmos, métodos probabilísticos y optimización continua/combinatoria; la interfaz de algoritmos, IA y aprendizaje automático en ciencia de datos y salud, incluyendo epidemiología computacional, genómica del cáncer, farmacología, intercambio de órganos y dispositivos médicos; la ciencia de los datos y la economía de Internet, incluido el comercio electrónico, el marketing digital, la optimización de la nube, el crowdsourcing y las redes sociales; ciencia de datos y equidad, incorporando sistemáticamente (probabilística, por usuario/demográfica) equidad en IA y en algoritmos; algoritmos en redes, redes sociales y computación distribuida/paralela; y enfoques informáticos para el crecimiento sostenible (incluyendo energía, monitoreo y detección, energía eléctrica y redes de agua).

This site is registered on wpml.org as a development site.