Busca avançada
Ano de início
Entree

Algoritmos Markov Chain Monte Carlo para aprendizagem de parâmetros de modelos epidemiológicos compartimentais

Processo: 21/07725-7
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de outubro de 2021
Vigência (Término): 30 de setembro de 2022
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Vitor Heloiz Nascimento
Beneficiário:Jonathan Pereira Maria
Instituição-sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Assunto(s):Pandemias   COVID-19   Estimação de parâmetros   Processamento de sinais   Processos de Markov   Método de Monte Carlo   Modelos matemáticos   Modelos epidemiológicos

Resumo

Com a pandemia de COVID-19, o interesse em modelos matemáticos para epidemias cresceu enormemente no último ano. Também vieram à tona diversas questões com relação aos problemas de identificação dos parâmetros dos modelos, e de verificação da capacidade desses modelos para previsão das consequências possíveis de diferentes medidas tomadas pelas autoridades sanitárias. Neste trabalho propõe-se implementar modelos epidemiológicos determinísticos e estocásticos, e algoritmos de estimação de parâmetros baseados em Markov Chain Monte Carlo (MCMC) e Particle Markov Chain Monte Carlo (PMCMC) usando a linguagem Julia e pacotes como Stan, Birch e Turing. Será testada a capacidade dos algoritmos de identificar os parâmetros dos modelos a partir de dados simulados, procurando aproximar as observações que são disponíveis na prática, como número de casos confirmados, número de hospitalizações ou número de mortes. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)