Learning based epidemic modeling (Járványmodellezés gépi tanulással)
Önálló laboratórium 2 - Irányítórendszerek főspecializáció, MSc Vill.
Önálló laboratórium 1 - Intelligens beágyazott mecha. rendsz. szakir., MSc Mecha.
Önálló laboratórium 1 - Irányító és látórendszerek MSc. főspec.
Önálló laboratórium 2 - Irányító és látórendszerek MSc. főspec.
The COVID-19 epidemic has been making our daily lives difficult for two years. It has harmful effects not only on health, but on social life, economy as well. Control theory can help to decrease these effects by developing accurate dynamical models to describe the spread of the virus. These models can be applied to predict the future course of the epidemic and to design effective management strategies that make optimal use of available interventions (vaccination, social distancing, testing, etc.). The aim of the MSc project is to learn the methodology of system identification and epidemic modeling and to create models from measurement data specifically for analysis and control of COVID-19 pandemic. In order to extend the models to larger scale (multi-region, multi-age), machine learning based system identification methods are involved that are able to cope with the increased complexity and large data sets.
A COVID-19 világjárvány közel két éve nehezíti életünket. Káros hatása nemcsak az egészségre, de a szociális életre és a gazdaságra is kiterjed. Ezen hatások csökkentéséhez a rendszerelmélet úgy tud hozzájárulni, hogy pontos matematikai (dinamikus) modelleket hoz létre, amelyek leírják a vírusterjedés folyamatát. Ezen modellekkel egyrészt prediktálható a járvány jövőbeli lefolyása, másrészt alkalmasak arra, hogy megfelelő, a rendelkezésre álló beavatkozási eszközöket (szociális korlátozások, oltás, tesztelés, stb.) optimálisan felhasználó stratégiákat tervezzünk a járvány féken tartására. Az MSc projekt célja a járványmodellek valamint a rendszeridentifikáció módszertanának alaposabb megismerése, majd ezen ismeretekre épülve, mérési adatok felhasználásával különböző komplexitású modellek létrehozása a COVID-19 járvány lefolyásának vizsgálatára és beavatkozási stratégiák tervezésére. Annak érdekében, hogy részletesebb, több hatást figyelembe vevő modelleket (földrajzi régiókra, illetve korcsoportokra bontott modellek) hozzunk létre, gépi tanulásra épülő identifikációs eljárásokat is felhasználunk, mert ezek képesek megbirkózni a megnövekedett komplexitással és a nagy adatmennyiséggel.