5、人工智能在传染病控制与人类活动识别中的应用

人工智能在传染病控制与人类活动识别中的应用

人工神经网络优化传染病疫苗接种率

在传染病管理中，优化疫苗接种率是控制疾病传播的关键。研究提出使用人工神经网络（ANN）来实现这一目标，具体采用了具有一个隐藏层、10个神经元、单输入单输出的前馈多层感知器（MLP）。

选择这种单隐藏层的多层架构，是因为它相对简单且易于训练。隐藏层使用10个神经元，是为了在模型复杂度和准确性之间取得平衡，这是通过反复试验选定的。网络的输入是给定时间的个体数量，输出是针对该感染个体数量的疫苗接种率，目的是显著减少感染个体数量并迅速阻止疾病传播。

创建这个神经网络模型时，利用了MATLAB的深度学习工具箱。该工具箱提供了用户友好的界面和内置训练算法，可用于定义网络架构、优化训练参数并可视化网络性能。

训练ANN时，采用了广泛应用的Levenberg - Marquardt算法，通过 trainlm 函数最小化均方误差（MSE）函数。该算法在实现最优学习方面非常有效，且计算效率高。

由于目前缺乏真实世界的数据集，需要使用模拟数据来训练这个简单的多层感知器前馈ANN。模拟过程是反复应用经典方法，使用精心选择的不同类似假设参数，生成多样且逼真的数据集，以代表现实场景。同时，必须仔细监测模拟数据的质量和一致性，因为ANN的性能依赖于训练数据的准确性，所以会实施严格的验证过程，确保数据点的分布和数量与疫苗接种率和感染个体数量这两个相关变量一致。

性能指标	初始值	停止值	耗时