热点事件持续更新
研究者提出LE-EpiGNODE流行病预测模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究人员在 arXiv 发布研究成果，提出结合机理先验的图神经算子模型 LE-EpiGNODE，用于多尺度时空流行病动态的中长期预测。该模型融合了双重视角，通过拉格朗日视角建模感染生成，并以欧拉视角建模人口流动迁移。在 3 个真实 COVID-19 数据集的最长预测期实验中，该模型均取得了最低的加权绝对百分比误差（WMAPE），预测误差相比现有最优基线模型降低了 17.7% 至 40.0%。
AI 根据报道生成 · 4 小时前更新
最新进展10月16日 12:00
研究者提出LE-EpiGNODE模型，在COVID-19数据集预测中误差较最优基线降低17.7-40.0%。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习基于拉格朗日-欧拉图神经常微分方程的多尺度时空流行病动态学习与预测
研究人员提出结合机理先验的图神经算子模型 LE-EpiGNODE，用于多尺度时空流行病动态的中长期预测。该模型通过拉格朗日视角建模感染生成，并以欧拉视角建模人口流动迁移。在 3 个真实 COVID-19 数据集的最长预测期下，该模型均取得最低 WMAPE，误差相比最优基线降低 17.7-40.0%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。