Epidemie w sieciach złożonych

Slides:



Advertisements
Podobne prezentacje
TRADYCYJNE METODY PLANOWANIA I ORGANIZACJI PROCESÓW PRODUKCYJNYCH
Advertisements

Ocena wartości diagnostycznej testu – obliczanie czułości, swoistości, wartości predykcyjnych testu. Krzywe ROC. Anna Sepioło gr. B III OAM.
Model Konkurujących Gatunków
Topology of the World Trade Web. Świat jako twór stawiający wysokie wymagania Świat staje się globalną wioską- global village Ogromne znaczenie handlu.
Grafy spełniające nierówność Γ(G) < IR(G)
Modelowanie pojedynczej populacji .
Algorytm Dijkstry (przykład)
Formalizacja i uwiarygodnianie Iteracyjny proces syntezy modeli
BUDOWA MODELU EKONOMETRYCZNEGO
Zakład Mechaniki Teoretycznej
Modelowanie i symulacja
Elementy Modelowania Matematycznego
Sztuczna Inteligencja Reprezentacja wiedzy II
Co UML może zrobić dla Twojego projektu?
Teoria równowagi ogólnej (1874)
Wykład Równanie Clausiusa-Clapeyrona 7.6 Inne równania stanu
Systemy dynamiczneOdpowiedzi systemów – modele różniczkowe i różnicowe Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Systemy.
Błądzenie przypadkowe i procesy transportu w sieciach złożonych
Grypa.
Paweł Stasiak Radosław Sobieraj Michał Wronko
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 4: Generowanie zdarzeń  Dr inż. Halina Tarasiuk p. 337, tnt.tele.pw.edu.pl.
EDUKACJA SKUTECZNA, PRZYJAZNA I NOWOCZESNA Ministersto Edukacji Narodowej Jak się zmieniały podstawy? Konferencje w Żerkowie (27-28 listopada 2008 r.)
KONSPEKT LEKCJI MATEMATYKI
HIV NIE WYBIERA TY MOŻESZ!
1.
MECHANIKA NIEBA WYKŁAD r.
Wirusy komputerowe.
Sposoby badania chaosu na przykładzie układów mechanicznych
HIV/AIDS.
Modelowanie Symbiozy.
Własności funkcji liniowej.
Rozważaliśmy w dziedzinie czasu zachowanie się w przedziale czasu od t0 do t obiektu dynamicznego opisywanego równaniem różniczkowym Obiekt u(t) y(t) (1a)
AUTOMATYKA i ROBOTYKA (wykład 5)
Zastosowania równań różniczkowych w teorii obwodów elektrycznych
Sieci bayesowskie Wykonali: Mateusz Kaflowski Michał Grabarczyk.
Modelowanie populacji i przepływu opinii pomiędzy aktorami sztucznej inteligencji za pomocą sieci społecznej Wojciech Toman.
Podstawy Biotermodynamiki
EDUKACJA SKUTECZNA, PRZYJAZNA I NOWOCZESNA Ministersto Edukacji Narodowej Jak się zmieniały podstawy? Konferencje w Żerkowie (27-28 listopada 2008 r.)
TEORIA ERGODYCZNA Bartosz Frej Instytut Matematyki i Informatyki Politechniki Wrocławskiej.
Obchody Międzynarodowego Dnia Walki z AIDS
PODSTAWOWE WŁASNOŚCI PRZESTRZENI
Wprowadzenie do ODEs w MATLAB-ie
Materiały pochodzą z Platformy Edukacyjnej Portalu
Teorie powstania świata
Sieć komputerowa – grupa komputerów lub innych urządzeń połączonych ze sobą w celu wymiany danych lub współdzielenia różnych zasobów, na przykład: korzystania.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
TERMODYNAMIKA – PODSUMOWANIE WIADOMOŚCI Magdalena Staszel
Fraktale Historia Fraktali
Sterowanie populacją i eksploatacja populacji
Autor: Michał Salewski
Dynamika punktu materialnego Dotychczas ruch był opisywany za pomocą wektorów r, v, oraz a - rozważania geometryczne. Uwzględnienie przyczyn ruchu - dynamika.
Podróż wehikułem czasu przez wieki
Model Lopesa da Silvy – opis matematyczny Zmienne modelu: V e (t) – średni potencjał w populacji pobudzającej E(t) – średnia częstość odpalania w populacji.
Modele sieci społecznych
Metody Badań Operacyjnych Michał Suchanek Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
© Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH Temat – 5 Modelowanie różniczkowe.
PNO, czyli porozmawiajmy o odporności. Co to jest odporność? Odporność jest wynikiem pracy wielu skomplikowanych elementów, które tworzą nasz układ immunologiczny.
Inżynieria systemów informacyjnych
Działania na grafach Autor: Anna Targońska.
Elementy analizy sieciowej
materiały dla uczestników
HIV H – Human (ludzki) I - Immunodeficenc (upośledzenie odporności) V - Virus (wirus)
jest najbardziej efektywną i godną zaufania metodą,
SIEĆ KOMPUTEROWA I SIEĆ INTERNET.
Podstawy Automatyki Człowiek- najlepsza inwestycja
Zarządzanie populacjami zwierząt
Zarządzanie projektami
Podstawy teorii spinu ½
II. Matematyczne podstawy MK
Alfred Stach Instytut Paleogeografii i Geoekologii UAM
Zapis prezentacji:

Epidemie w sieciach złożonych Mirosław Król Wojciech Lechowicz

Przypomnienie Sieć: - w interpretacji fizycznej to zbiór wierzchołków (węzłów) połączonych krawędziami - w interpretacji matematycznej- graf o N wierzchołkach i E krawędziach, oznaczany symbolem: G(N,E) - podzbiór przestrzenny w zbiorze przestrzenno -czasowym , czyli systemie. Sieć prosta: - podzbiór przestrzenny systemu o nieograniczonych zasobach. Sieć złożona: - sieć, która w przeciwieństwie do sieci prostej jest podzbiorem przestrzennym systemu, który posiada ograniczone zasoby i nie znajduje się w równowadze termodynamicznej.

Z historii sieci ( i epidemii) W Europie przełomu XIII i XIVwieku bardzo popularna była instytucja wędrownych szkolarzy. Z instytucją tą rozpoczęli rozpoczęli walkę średniowieczni inkwizytorzy

Z historii sieci ( i epidemii) Bernard Gui, wielki inkwizytor przełomu XIII i XIVw., pierwszy dostrzegł, że aby skutecznie walczyć z wirusem herezji, należy przestać atakować wszystkich podejrzanych, a zająć się tropieniem najbardziej aktywnych węzłów (czyli najbardziej skutecznych szkolarzy) w sieci przenoszącej tego wirusa.

Z historii sieci ( i epidemii) Związek między działalnością inkwizycji, a współczesną teorią sieci dostrzegł Edwin Bendyk. Dodatkowo, w napisanej przez siebie książce zwrócił on uwagę na to, że większość zjawisk rozprzestrzeniania się, można modelować w taki sam sposób.

Modelowanie epidemii Pierwszy znany opis rozprzestrzeniania się epidemii oparty na równaniach różniczkowych został stworzony przez D.Bernoullego

Modelowanie epidemii Twórcami ponadczasowego modelu rozprzestrzeniania się epidemii, opartego na układzie równań różniczkowych byli Kermack i McKendrick. S --> I --> R gdzie: „-->”- przejście między stanami Zgodnie z modelem SIR przebieg choroby prowadzi do podziału rozważanej populacji na trzy grupy: S- podatnych (ang. Susceptible), czyli takich, którzy mogą zachorować I- zainfekowanych(ang. Infected), którzy chorują i roznoszą infekcje R- ozdrowiałych (ang. Recovered), którzy wyzdrowieli i nabyli odporność

Modelowanie epidemii S --> I --> S Model rozprzestrzeniania się epidemii SIR można uogólnić , np. do modelu: S --> I --> S W którym zakłada się istnienie tylko dwóch grup osobników zdrowych(S) i chorych(I). S --> I --> R --> S Który rozważa wpływ przejściowego okresu uodpornienia R na dynamikę rozprzestrzeniania się choroby. S --> E --> I --> R W którym sekwencję zmian stanów uzupełnia się dodatkowym stanem E, który reprezentuje osobników w utajonym stadium choroby.

Modelowanie epidemii Dzięki opisanym modelom można tworzyć układy równań różniczkowych, które opisują rozprzestrzenianie się epidemii w czasie. Przykładowo:

Kiedy wybucha epidemia? Sieci regularne

Kiedy wybucha epidemia? Sieci regularne Choroba ma szansę przybrać w populacji formę epidemii, jeśli tempo rozprzestrzeniania się patogenu jest większe od pewnej progowej wartości: Gdzie: (k)-gęstość sieci So- początkowa liczba zainfekowanych osobników

Kiedy wybucha epidemia? Sieci bezskalowe (np. sieci społeczne czy internet) Przeprowadzając podobne rozważania w przypadku sieci bezskalowych, można dojść do wniosku, że próg epidemii jest w nich równy: Gdzie: (k)-gęstość sieci

Jak zatrzymać epidemię? W sieciach bezskalowych epidemii nie można zatrzymać, posługując się tradycyjnymi metodami. W sieciach regularnych można to zrobić, gdyż poprzez np. Szczepienia Hospitalizację zarażonych Zwiększanie wydatków na służbę zdrowia Da się zmniejszać wartość parametru β,opisującego prawdopodobieństwo zachorowania i zwiększać wartość parametru γ reprezentującego prawdopodobieństwo wyzdrowienia we wzorze:

Jak zatrzymać epidemię? W sieciach bezskalowych, w których do wybuchu epidemii wystarcza ,by nosicielem wirusa był najbardziej aktywny osobnik (człowiek/zwierzę/komputer), jedynym skutecznym sposobem walki z epidemią jest sposób, o którym mówił Bernard Gui, czyli tropienie i eliminacja kluczowych węzłów (hubów)

Jak zatrzymać epidemię? Prawdopodobieństwo Ps(t) przeżycia wirusów w Internecie w funkcji czasu t, który upłynął od momentu ich powstania.

Podsumowanie