Spelling suggestions: "subject:"modelo SIS"" "subject:"nodelo SIS""
1 |
Epidemiology in complex networks - modified heterogeneous mean-field model / Epidemiologia em redes complexas - modelo de campo médio heterogêneo modificadoCristiane Dias de Souza Martorello 29 November 2018 (has links)
The study of complex networks presented a huge development in last decades. In this dissertation we want to analyze the epidemic spread in scale-free networks through the Susceptible - Infected - Susceptible (SIS) model. We review the fundamental concepts to describe complex networks and the classical epidemiological models. We implement an algorithm that produces a scale-free network and explore the Quenched Mean-Field (QMF) dynamics in a scale-free network. Moreover, we simulate a change on the topology of the network according to the states of the nodes, and it generates a positive epidemic threshold. We show analytically that the fraction of infected vertices follows a power-law distribution in the vicinity of this critical point / O estudo de redes complexas tem se desenvolvido muito nos últimos anos. Nesta dissertação queremos analisar o processo de propagação de epidemia em redes livres de escala através do modelo Suscetível - Infectado - Suscetível (SIS). Apresentamos uma revisão de redes e as principais características dos modelos epidemiológicos clássicos. Implementamos um algoritmo que produz uma rede livre de escala dado um expoente e exploramos a dinâmica do modelo Quenched Mean-Field (QMF) inserido em uma rede livre de escala. Além disso, foi simulada uma possível alteração na topologia da rede, devido aos estados dos vértices infectados, que gerou um limiar epidêmico positivo no modelo e a probabilidade de vértices infectados seguiu uma lei de potência na vizinhança desse ponto crítico
|
2 |
Epidemiology in complex networks - modified heterogeneous mean-field model / Epidemiologia em redes complexas - modelo de campo médio heterogêneo modificadoMartorello, Cristiane Dias de Souza 29 November 2018 (has links)
The study of complex networks presented a huge development in last decades. In this dissertation we want to analyze the epidemic spread in scale-free networks through the Susceptible - Infected - Susceptible (SIS) model. We review the fundamental concepts to describe complex networks and the classical epidemiological models. We implement an algorithm that produces a scale-free network and explore the Quenched Mean-Field (QMF) dynamics in a scale-free network. Moreover, we simulate a change on the topology of the network according to the states of the nodes, and it generates a positive epidemic threshold. We show analytically that the fraction of infected vertices follows a power-law distribution in the vicinity of this critical point / O estudo de redes complexas tem se desenvolvido muito nos últimos anos. Nesta dissertação queremos analisar o processo de propagação de epidemia em redes livres de escala através do modelo Suscetível - Infectado - Suscetível (SIS). Apresentamos uma revisão de redes e as principais características dos modelos epidemiológicos clássicos. Implementamos um algoritmo que produz uma rede livre de escala dado um expoente e exploramos a dinâmica do modelo Quenched Mean-Field (QMF) inserido em uma rede livre de escala. Além disso, foi simulada uma possível alteração na topologia da rede, devido aos estados dos vértices infectados, que gerou um limiar epidêmico positivo no modelo e a probabilidade de vértices infectados seguiu uma lei de potência na vizinhança desse ponto crítico
|
3 |
Modelos epidemiológicos em redesPachas Manrique, Anna Patricia 29 August 2016 (has links)
Submitted by Anna Patricia Pachas Manrique (annapamanrique@gmail.com) on 2017-02-23T20:20:56Z
No. of bitstreams: 1
20_02 (1).pdf: 1460371 bytes, checksum: e98c8f4713680550a770e8efcc7ffa14 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2017-08-03T17:52:37Z (GMT) No. of bitstreams: 1
20_02 (1).pdf: 1460371 bytes, checksum: e98c8f4713680550a770e8efcc7ffa14 (MD5) / Made available in DSpace on 2017-08-18T14:34:31Z (GMT). No. of bitstreams: 1
20_02 (1).pdf: 1460371 bytes, checksum: e98c8f4713680550a770e8efcc7ffa14 (MD5)
Previous issue date: 2016-08-29 / The speed and comprehensiveness global level with the pathogen has spread in recent years has drawn attention to the importance of the contact’s social network structure. In fact, the topology of the networks in which members of society interact has influenced the dynamics of epidemics. Studies have shown that pathogens when disiparem in scale-free networks have different effects when compared broadcast in random networks, such as the classic models. In these there were epidemic threshold, may somehow the health ministry have a control on the dissipation of diseases by applying certain measures such as vaccines. Already in models in which are considered the networks, specifically the free network scale, the threshold disappears. Thus, the epidemic threshold depends on the topology is required to include within this structure models Because of the importance of these networks, random networks and scalefree have been implemented along the epidemics of propagation models to check the epidemic threshold and the characteristic time, noting that the epidemic threshold disappears / A velocidade e a abrangência a nível mundial com que os agentes patogênicos tem se disseminado nos últimos anos tem chamado a atenção para a importância da estrutura da rede social de contato . De fato, a topologia das redes na qual os membros da sociedade interagem têm influenciado na dinâmica das epidemias.Estudos têm demostrado que os agentes patogênicos ao se dissiparem em redes livres de escala tem efeitos diferentes se comparado quando difundidos em redes aleatórias, como nos modelos clássicos. Nestes existiam limiar de epidemia ,podendo de alguma forma as entidades de saúde ter um controle sobre a dissipação das enfermidades , aplicando certas medidas como as vacinas por exemplo. Já nos modelos nos quais são consideradas as redes , especificamente a rede livre de escala,este limiar desaparece. Desta forma, o limiar de epidemia ao depender da topologia se faz necessário incluir esta estrutura dentro dos modelos epidemiológicos. Devido a importância destas redes , redes aleatórias e principalmente redes livres de escala foram implementadas junto a modelos de propagação de epidemias para verificar o limiar de epidemia e o tempo característico , verificando que o limiar de epidemia desaparece.
|
4 |
Previsão de séries temporais epidemiológicas usando autômatos celulares e algoritmos genéticosGerardi, Davi de Oliveira 02 August 2010 (has links)
Made available in DSpace on 2016-03-15T19:37:27Z (GMT). No. of bitstreams: 1
Davi de Oliveira Gerardi.pdf: 2216694 bytes, checksum: 5c92a695124c5b7d9e20de8329020701 (MD5)
Previous issue date: 2010-08-02 / SIS (susceptible-infected-susceptible) and SIR (susceptible-infectedremoved) epidemiological models based on probabilistic cellular automaton (PCA) are used in order to simulate the temporal evolution of the number of people infected by dengue in the city of Rio de Janeiro in 2007, and to predict the cases of infection in 2008. In the PCA, three different sizes of lattices and two kinds of neighborhoods are utilized, and each time step of simulation is equivalent to one week of real time. A genetic algorithm (GA) is employed to identify the probabilities of the state transition S→I, in order to reproduce the historical series of 2007 related to this disease propagation. These probabilities depend on the number of infected neighbors. Time-varying and constant
probabilities are taken into account. These models based on PCA and GA were able of satisfactorily fitting the data from 2007 and making a good prediction for 2008 (mainly about the total number of cases registered during 2008). / Usam-se modelos epidemiológicos SIS (suscetível-infectado-suscetível) e SIR (suscetível-infectado-removido) baseados em autômato celular probabilista (ACP) a fim de simular a evolução temporal do número de pessoas infectadas por dengue, na cidade do Rio de Janeiro em 2007, e de prever os casos de infecção em 2008. No ACP, utilizam-se reticulados de três tamanhos diferentes e dois tipos de vizinhanças, e cada passo de tempo da simulação equivale a uma semana de tempo real. Emprega-se um algoritmo genético (AG) para identificar os valores das probabilidades da transição de estados S→I, de modo a reproduzir a série histórica de 2007 relacionada à propagação dessa doença. Essas probabilidades dependem do número de vizinhos infectados. Probabilidades variantes e invariantes no tempo são consideradas. Esses modelos baseados em ACP e AG foram capazes de fazer um ajuste satisfatório dos dados de 2007 e de fornecerem uma boa previsão para 2008, (principalmente no que diz respeito ao número total de casos registrados em 2008).
|
Page generated in 0.0499 seconds