大部分 Covid-19 预测是基于过去的疫情如 SARS 或 MERS 的数据。现在 MIT 的一群工程师开发了一个机器学习模型，使用 Covid-19 疫情数据和神经网络去判断隔离措施的有效性，更好的预测病毒传播
大部分 Covid-19 预测是基于过去的疫情如 SARS 或 MERS 的数据。现在 MIT 的一群工程师开发了一个机器学习模型，使用 Covid-19 疫情数据和神经网络去判断隔离措施的有效性，更好的预测病毒传播。研究报告发表在预印本网站上。
预测传染病扩散的绝大部分模型被称为 SEIR，将人群分类为“易感”、“暴露”、“感染”和“康复”四组。MIT 研究人员在此基础上加入了隔离，如果被感染的人处于隔离中，那么病毒将不会传播给其他人。
他们的模型发现，像韩国这样的地方，政府迅速采取干预措施去实现强有力的社会隔离，那么病毒的传播将会更快的抵达稳定阶段。而美国和意大利这样比较缓慢的采取政府干预措施的地方，Covid-19 的有效繁殖数更长时间停留在 1 以上，这意味着病毒会继续以指数传播。
在目前的社会隔离措施下，意大利和美国将在 4 月 15 日-20 日之间到达稳定阶段。模型显示社会隔离能有效的将病毒的繁殖数从 1 以上降低到 1 以下。
标签: MIT 机器 学习 算法 认为 社会 隔离 措施 有效
声明：本文内容来源自网络，文字、图片等素材版权属于原作者，平台转载素材出于传递更多信息，文章内容仅供参考与学习，切勿作为商业目的使用。如果侵害了您的合法权益，请您及时与我们联系，我们会在第一时间进行处理！我们尊重版权，也致力于保护版权，站搜网感谢您的分享！
