利用 SIR 模型中的通用微分方程学习 COVID-19 地区传播
原文中文，约600字，阅读约需2分钟。发表于：。使用普适微分方程（UDE）结合 SIR（Susceptible-Infectious-Recovered）模型，以捕捉邻近地区的影响并提高模型对 COVID-19 疫情的预测，研究比较了基于模拟爆发的 COVID-19 的 SIR+UDE 模型与单地区 SIR 模型和全数据驱动模型（只由深度神经网络组成）的性能，结果显示 UDE+SIR 模型能更准确地捕捉爆发动态，但在爆发的最后阶段性能下降。
该论文提出了一种利用神经随机微分方程（SDEs）解决ResNet-like模型在意外辐射发射（URE）分类中的鲁棒性和可解释性的方法。实验证明，神经SDE模型具有更强的鲁棒性和更有意义的解释。该方法对于开发在数据本质上嘈杂且可解释机器学习预测的实际URE应用来说，是一小但重要的步骤。
