×
纳贝拉·安瓦尔;穆罕默德·绍伊布;艾哈迈德·伊夫蒂哈尔;纳兹，沙法克;阿迪卡·考萨尔·基亚尼;穆罕默德·阿西夫·扎胡尔·拉贾

非线性流感智能计算网络——流行病模型。 （英语） Zbl 07713161号

国际生物数学杂志。 16，第4号，文章ID 2250097，30 p.（2023）.
摘要：具有延迟的微分方程因其在解释和分析生物研究中出现的数学模型方面的基本作用而受到研究界的高度关注。本研究通过使用Levenberg-Marquardt格式（NNBLMS）实现神经网络反向传播，探索基于人工智能的计算范式的诀窍，用于数值处理描述非线性流感-A流行病模型（IA-EM）动力学的功能延迟微分系统。非线性IA-EM代表了四类人群动态，包括易感人群、暴露人群、感染人群和康复人群。通过感染率、周转率、疾病相关死亡率和恢复率的变化，利用Adams方法对足够多的非线性IA-EM场景组合NNBLMS的参考数据集。设计的NNBLMS利用训练样本、测试样本和数据集验证样本的任意选择来计算非线性IA-EM的近似数值解，与参考结果吻合良好。通过基于均方误差、回归指数和误差直方图研究的详尽模拟结果，进一步证实了所设计NNBLMS的熟练性、可靠性和准确性。

引用于1文件

MSC公司：

92天30分 流行病学
34K60美元 泛函微分方程模型的定性研究与仿真
68T05型 人工智能中的学习和自适应系统

关键词：

功能延迟微分系统;非线性流感模型;亚当斯方法;神经网络;Levenberg-Marquardt方案;智能计算;回归分析

软件：

CVD网
PDF格式BibTeX公司 XML格式引用
\textit{N.Anwar}等人，国际生物数学杂志。16，第4号，文章ID 2250097，30 p.（2023；Zbl 07713161）
全文： 内政部

参考文献：

[1] Huang，G.，Takeuchi，Y.，Ma，W.和Wei，D.，具有非线性发病率的时滞SIR和SEIR流行病模型的全局稳定性，Bull。数学。《生物学》72（5）（2010）1192-1207·Zbl 1197.92040号
[2] 库克，K.L.，媒介疾病模型的稳定性分析，《落基山数学杂志》9（1）（1979）31-42·Zbl 0423.92029号
[3] Kermack，W.O.和McKendrick，A.G.，对流行病数学理论的贡献，Proc。R.Soc.伦敦。A、 数学。物理学。《工程科学》115（772）（1927）700-721。
[4] Li，J.，Teng，Z.和Zhang，L.，具有延迟的疟疾传播向量偏差模型的稳定性和分歧，数学。计算。模拟152（2018）15-34·Zbl 07316254号
[5] Cai，L.M.和Li，X.Z.，具有非线性发病率的向量宿主流行病模型的全局分析，应用。数学。计算217（7）（2010）3531-3541·Zbl 1202.92075号
[6] Ozair，M.、Lashari，A.A.、Jung，I.H.和Okosun，K.O.，一种非线性发病率的媒介传播疾病的稳定性分析和最优控制，离散动态。《国家社会》2012（2012）595487，https://doi.org/10.1155/2012/595487。 ·Zbl 1253.93090号
[7] Ma，J.和Ma，Z.，季节强制SEIR模型的流行病阈值条件，数学。Biosci公司。工程3（1）（2006）161·Zbl 1089.92048号
[8] Dell'Anna，L.，流行病传播的可解延迟模型：意大利的Covid-19病例，科学。报告10（1）（2020）1-10。
[9] J.Menéndez，《新型冠状病毒肺炎的基本时滞动力学》，预印本，medRxiv（2020年）。
[10] Chen，Z.和Xu，Z.，一种具有两种疫苗和两种疫苗接种的延迟扩散流感模型，应用。数学。计算349（2019）439-453·Zbl 1428.35159号
[11] Jackson，C.、Vynnycky，E.和Mangtani，P.，《1968年（香港）流感大流行的传播性估计：连续波之间传播性增加的证据》，《美国流行病学杂志》171（4）（2010）465-478。
[12] Jhung，M.A.、Swerdlow，D.、Olsen，S.J.、Jernigan，D.、Biggerstaff，M.、Kamimoto，L.、Kniss，K.、Reed，C.、Fry，A.、Brammer，L.和Gindler，J.，《2009年美国甲型H1N1流感大流行流行病学》，临床。感染。第52号决议（补充1）（2011年）S13-S26。
[13] A.患者，两名儿童感染甲型H1N1流感病毒-加利福尼亚州南部，2009年3月-4月，《发病率和死亡率周报》，第58卷（2009年）。
[14] Casagrandi，R.、Bolzoni，L.、Levin，S.A.和Andreasen，V.，《SIRC模型和甲型流感数学》。Biosci.200（2）（2006）152-169·Zbl 1089.92043号
[15] Li，Q.，Zhou，L.，Zhow，M.，Chen，Z.，Li，F.，Wu，H.，Xiang，N.，Cheng，E.，Tang，F.、Wang，D.和Meng，L.。中国人感染禽流感A（H7N9）病毒的流行病学，新英语。《医学杂志》370（6）（2014）520-532。
[16] Liu，S.，Pang，L.，Ruan，S.和Zhang，X.，具有心理影响的禽流感疫情模型的全球动力学，计算机。数学。方法医学2015（2015）913726，https://doi.org/10.1155/2015/913726。 ·Zbl 1344.92172号
[17] Saito，M.M.、Imoto，S.、Yamaguchi，R.、Sato，H.、Nakada，H.，Kami，M.、Miyano，S.和Higuchi，T.，日本2009年甲型H1N1流感大流行SEIR模型的扩展和验证，数学。Biosci.246（1）（2013）47-54·Zbl 1281.92043号
[18] Astuti，F.、Suryanto，A.和Darti，I.，求解具有抗病性的流感病毒模型的多步差分变换方法，IOP Conf.Ser。，马特。科学。工程546（5）（2019）052013。
[19] Erdem，M.、Safan，M.和Castillo-Chavez，C.，不完全隔离的SIQR流感模型的数学分析，Bull。数学。《生物学》79（7）（2017）1612-1636·Zbl 1372.92103号
[20] Kang，T.，Zhang，Q.和Rong，L.，一种带有禽类屠宰的延迟禽流感模型：稳定性分析和最优控制，Phys。A529（2019）121544·兹伯利07568584
[21] Varshney，K.G.和Dwivedi，Y.K.，流感隔离效应下流感-甲状腺炎的数学模型，土耳其J.计算机。数学。第12版（11）（2021）7214-7225。
[22] 翟毅，熊毅，马毅，白毅，具有非线性发病率和时滞的禽流感病毒传播模型的全局Hopf分岔分析，文章摘要。申请。《2014年分析》（2014）242410·Zbl 1406.92639号
[23] Liu，S.，Ruan，S.和Zhang，X.，《关于具有时滞的禽流感疫情模型》，Theory Biosci.134（3）（2015）75-82。
[24] Umar，M.、Sabir，Z.、Raja，M.A.Z.、Amin，F.、Saeed，T.和Guerrero-Sanchez，Y.，新型冠状病毒肺炎动力学非线性SITR模型的集成神经-温暖启发式和内点，Alex。工程期刊60（3）（2021）2811-2824。
[25] Ahmad，I.，Ilyas，H.，Urooj，A.，Aslam，M.S.，Shoaib，M.和Raja，M.A.Z.，智能计算范式在分析软组织和微血管中流体非线性反应传输模型中的新应用，神经计算。申请31（12）（2019）9041-9059。
[26] Bukhari，A.H.，Sulaiman，M.，Raja，M.A.Z.，Islam，S.，Shoaib，M.和Kumam，P.，非线性尘埃等离子体系统的混合NAR-RBF神经网络设计，Alex。《工程期刊》59（5）（2020）3325-3345。
[27] Naz，S.、Raja，M.A.Z.、Mehmood，A.、Zameer，A.和Shoaib，M.，《压电执行器Bouc-Wen滞后模型的神经智能网络》，《欧洲物理》。《J.Plus》136（4）（2021）1-20。
[28] Almalki，M.M.、Alaidaous，E.S.、Raja，M.A.Z.、Maturi，D.A.和Shoaib，M.，《利用Levenberg-Marquardt反向传播方法优化磁流体力学压缩流动系统》，Coatings11（7）（2021）779。
[29] Umar，M.，Sabir，Z.，Amin，F.，Guirao，J.L.和Raja，M.A.Z.，《求解CD4+T细胞HIV感染模型的随机数值技术》，《欧洲物理学》。《J.Plus》135（5）（2020）1-19。
[30] Shoaib，M.，Raja，M.A.Z.，Sabir，M.T.，Bukhari，A.H.，Alrabaiah，H.，Shah，Z.，Kumam，P.和Islam，S.，基于混合NAR-RBFs网络的随机数值分析，新型COVID-19动力学的非线性SITR模型，计算。方法生物程序202（2021）105973。
[31] Raja，M.，Zahoor，A.，Malik，M.F.，Chang，C.-L.，Shoaib，M.和Shu，C.-M.，涉及洛伦兹力相互作用和回转微生物的流变液横向输送中生物对流模型的反向传播网络设计，台湾化学研究所杂志。工程121（2021）276-291。
[32] Ilyas，H.、Ahmad，I.、Raja，M.A.Z.、Tahir，M.B.和Shoaib，M.，《含氢混合对流导电Ag/Cu纳米颗粒流体系统动力学的智能计算》，国际期刊Hydrog。能源46（7）（2021）4947-4980。
[33] Khan，I.，Raja，M.A.Z.，Khan，M.A.R.，Shoaib，M.，Islam，S.和Shah，Z.，非线性二阶Lane-Emden受电弓延迟微分系统的反向传播智能网络设计，阿拉伯。科学杂志。工程47（2）（2021）1197-1210。
[34] Khan，I.，Raja，M.A.Z.，Shoaib，M.，Kumam，P.，Alrabaiah，H.，Shah，Z.和Islam，S.，《利用Levenberg-Marquardt和贝叶斯正则化反向传播设计神经网络以解受电弓延迟微分方程》，IEEE Access8（2020）137918-137933。
[35] Sabir，Z.、Raja，M.A.Z.、Omar，M.和Shoaib，M.，《神经温智能计算求解二阶奇异泛函微分模型》，《欧洲物理学》。《J.Plus》135（6）（2020）1-19。
[36] Bukhari，A.H.，Raja，M.A.，Sulaiman，M.，Islam，S.，Shoaib，M.和Kumam，P.，金融市场预测的分数神经序列ARFIMA-LSTM，IEEE Access6（8）（2020）71326-71338。
[37] Raja，M.A.Z.、Khan，Z.、Zuhra，S.、Chaudhary，N.I.、Khan、W.U.、He，Y.、Islam，S.和Shoaib，M.、Cattaneo-christov三维霍尔电流热流模型，涉及双对流纳米流体流，具有Darcy-Furcheimer定律效应：反向传播神经网络方法，Case Stud.Therm。工程26（2021）101168。
[38] Aljohani，J.L.，Alaidaous，E.S.，Raja，M.A.Z.，Shoaib，M.和Alhothuali，M.S.，通过神经网络进行智能计算，用于非牛顿钢丝涂层分析模型的数值处理，科学。报告11（1）（2021）1-32。
[39] Munir，A.、Manzar，M.A.、Khan，N.A.和Raja，M.A.Z.，用Oldroyd 8-恒定流体分析钢丝涂层动力学的智能计算方法，神经计算。申请31（3）（2019）751-775。
[40] Ahmad，S.I.、Hassan，A.、Kamran，M.、Illahi，A.和Zahour，R.M.A.，用模因计算范式优化的级联人工神经网络设计，用于求解非线性Bratu系统，欧洲物理学。J.Plus134（3）（2019）122。
[41] Raja，M.A.Z.、Mehmood，J.、Sabir，Z.、Nasab，A.K.和Manzar，M.A.使用基于神经网络的集成智能计算的双奇异非线性系统的数值解，neural Comput。申请31（3）（2019）793-812。
[42] Raja，M.A.Z.，Shah，F.H.，Alaidarous，E.S.和Syam，M.I.，《结合内点算法分析心跳模型动力学的生物启发技术设计》，应用。《软计算》52（2018）605-629。
[43] Umar，M.、Sabir，Z.、Raja，M.A.Z.、Aguilar，J.G.、Amin，F.和Shoaib，M.，带有CD4+T细胞的非线性HIV感染模型的神经-温暖智能计算范式，数学。计算。模拟188（2021）241-253·Zbl 07428998号
[44] Ahmad，I.、Raja，M.A.Z.、Ramos，H.、Bilal，M.和Shoaib，M.，非线性角膜形状模型动力学的基于神经进化的集成计算求解器，数值，神经计算。申请书33（11）（2021）5753-5769。
[45] Umar，M.、Raja，M.A.Z.、Sabir，Z.、Alwabli，A.S.和Shoaib，M.，异质环境中蚊子传播模型数值处理的随机计算智能求解器，《欧洲物理》。《J.Plus》135（7）（2020）1-23。
[46] Cheema，T.N.，Raja，M.A.Z.，Ahmad，I.，Naz，S.，Ilyas，H.和Shoaib，M.，《利用Levenberg-Marquardt人工神经网络对用于未来一代疾病控制的新型冠状病毒疫情模型非线性系统进行智能计算》，《欧洲物理学》。《J.Plus》135（11）（2020）1-35。
[47] Umar，M.、Sabir，Z.、Raja，M.A.Z.、Shoaib，M.，Gupta，M.和Sánchez，Y.G.，新型COVID-19动力学非线性SITR系统的随机智能计算与神经进化启发式，Symmetry12（10）（2020）1628。
[48] Ilyas，H.、Raja，M.A.Z.、Ahmad，I.和Shoaib，M.，流体动力学非线性Falkner-Skan系统高斯小波神经网络的新设计，中国。《物理学杂志》72（2021）386-402。
[49] Mehmood，A.、Zameer，A.、Ling，S.H.、Rehman，A.和Raja，M.A.Z.，使用神经网络、遗传算法和序列二次规划的非线性电路模型的集成计算智能范式，神经计算。申请32（14）（2020）10337-10357。
[50] Mehmood，A.、Zameer，A.、Aslam，M.S.和Raja，M.A.Z.，非线性电路系统的自然启发启发范式设计，神经计算。申请32（11）（2020）7121-7137。
[51] Hassantabar，S.、Ahmadi，M.和Sharifi，A.，基于使用卷积神经网络方法的肺部X射线图像的新型冠状病毒患者感染组织的诊断和检测，混沌孤子分形140（2020）110170。
[52] Yan，T.、Wong，P.K.、Ren，H.、Wang，H.，Wang，J.和Li，Y.，在胸部CT扫描中使用多尺度卷积神经网络自动区分肺炎和普通肺炎，混沌孤子分形140（2020）110153。
[53] Raja，M.A.Z.、Asma，K.和Aslam，M.S.，《研究CD4+T细胞HIV感染模型的生物启发计算启发法》，《国际生物数学杂志》11（2）（2018）1850019·Zbl 1384.92006年
[54] Ouchicha，C.，Ammor，O.和Meknasi，M.，CVDNet:一种用于从胸部x射线图像检测冠状病毒（Covid-19）的新型深度学习架构，混沌孤立分形140（2020）110245。
[55] Tayarani，M.-H.N.，《人工智能在对抗新型冠状病毒中的应用：文献综述》，《混沌孤子分形》142（2020）110338。
[56] 伊利诺伊州科巴什。，S.özen，A.，Tuncer，A.D.和Kazancolu，F.ö。，利用ARIMA、NARNN和LSTM方法对不同欧洲国家的新型冠状病毒肺炎病例进行比较分析和预测，Chaos Solitons Fractals138（2020）110015。
[57] Behnood，A.、Golafshani，E.M.和Hosseini，S.M.，使用ANFIS和病毒优化算法（VOA）确定美国新冠肺炎感染率，混沌孤子分形139（2020）110051。
[58] Prasanth，S.、Singh，U.、Kumar，A.、Tikkiwal，V.A.和Chong，P.H.，使用谷歌趋势预测新型冠状病毒的传播：一种混合GWO深度学习方法，混沌孤子分形142（2021）110336。
[59] Rasheed，J.、Jamil，A.、Hameed，A.A.、Aftab，U.、Aftap，J.，Shah，S.A.和Draheim，D.，《支持一线工作人员和决策者应对新冠肺炎疫情的人工智能方法调查》，《混沌孤子分形》141（2020）110337。
[60] Shahid，F.、Zameer，A.和Muneeb，M.，利用LSTM、GRU和Bi-LSTM的深度学习模型预测新型冠状病毒肺炎，混沌孤子分形140（2020）110212。
[61] Lund，L.A.、Omar，Z.、Alharbi，S.O.、Khan，I.和Nisar，K.S.，使用Adams型预测-校正方法对收缩薄片上广义粘性流体的Caputo分数阶二维磁流体动力学非定常流动的多解进行数值研究，Coatings 9（9）（2019）548。
[62] Gu，Y.和Zhu，Y.Adams求解不确定微分方程的预测-校正方法，计算。申请。数学40（2）（2021）1-20·Zbl 1477.65022号
[63] Momani，S.，Arqub，O.A.和Maayah，B.，Lienard方程的Atangana Baleanu-Caputo模型的分段最优分数再生核解和收敛性分析，Fractals28（8）（2020）2040007·兹伯利07468589
[64] Shoaib，M.、Naz，I.、Raja，M.A.Z.和Nisar，K.S.，《智能计算网络的设计，以研究多孔耗散和滑移对沿Darcy-Brinkman多孔介质边界层流动的影响》，国际通讯社。热质传递135（2022）106127。
[65] Momani，S.、Maayah，B.和Arqub，O.A.，考虑到Atangana-Baleanu分数方法的范德波尔阻尼模型数值解的再生核算法，分形28（8）（2020）2040010·Zbl 07468592号
[66] Raja，M.A.Z.、Shoaib，M.、Zubair，G.、Khan，M.I.、Gowda，R.P.、Prasannakumara，B.C.和Guedri，K.，《熵产生的Darcy-波切默混合对流流体流动的智能神经计算》，数学。计算。模拟201（2022）193-214·Zbl 07545900号
[67] Arqub，O.A.和Abo-Hammour，Z.，使用连续遗传算法数值求解二阶边值问题系统，Inform。科学279（2014）396-415·Zbl 1354.65155号
[68] Abo-Hammour，Z.，Arqub，O.A.，Alsmadi，O.，Momani，S.和Alsadei，A.，求解奇异边值问题系统的优化算法，应用。数学。通知。科学8（6）（2014）2809。
[69] Abo-Hammour，Z.，Arqub，O.A.，Momani，S.和Shawagfeh，N.，使用新型连续遗传算法优化求解Troesch和Bratu的普通类型问题，离散动态。《国家社会》2014（2014）401696，https://doi.org/10.1155/2014/401696。 ·Zbl 1419.49046号
[70] Arqub，O.A.，Abo-Hammour，Z.，Momani，S.和Shawagfeh，N.，使用连续遗传算法求解奇异两点边值问题，文摘。申请。2012年分析（2012）205391·Zbl 1261.34018号
[71] Naz，S.、Raja，M.A.Z.、Kausar，A.、Zameer，A.、Mehmood，A.和Shoaib，M.，《非线性悬臂压电机械系统动力学：智能计算方法》，数学。计算。模拟196（2022）88-113·Zbl 07487720号
[72] Arqub，O.A.和Rashaideh，H.，时间两点边值问题积分微分代数系统数值处理的RKHS方法，神经计算。申请号：30（8）（2018）2595-2606。
[73] Chaudhary，N.I.、Raja，M.A.Z.、Khan，Z.A.、Mehmood，A.和Shah，S.M.，非线性控制自回归系统参数估计的分数阶梯度下降算法设计，混沌孤子分形157（2022）111913·Zbl 1498.90248号
[74] Altaf，F.，Chang，C.L.，Chaudhary，N.I.，Raja，M.A.Z.，Cheema，K.M.，Shu，C.M.和Milyani，A.H.，具有关键项分离原理的非线性Hammerstein控制自回归系统的自适应进化计算，数学10（6）（2022）1001。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。