The goal of this thesis is to develop new interpretable physics informed machine learning techniques for finding epidemiological models, and compare these techniques to existing ones. These learned models should help understanding the disease and forecasting it.

Lo scopo della tesi è quello di sviluppare nuove tecniche di interpretable physics informed machine learning per trovare modelli epidemiologici, e comparare queste tecniche ad altre già esistenti. I modelli imparati dovrebbero aiutare a capire la malattia e a prevederla.

Physics Informed Neural Networks in Temporal Graphs

VISENTIN, FILIPPO
2022/2023

Abstract

The goal of this thesis is to develop new interpretable physics informed machine learning techniques for finding epidemiological models, and compare these techniques to existing ones. These learned models should help understanding the disease and forecasting it.
2022
Physics Informed Neural Networks in Temporal Graphs
Lo scopo della tesi è quello di sviluppare nuove tecniche di interpretable physics informed machine learning per trovare modelli epidemiologici, e comparare queste tecniche ad altre già esistenti. I modelli imparati dovrebbero aiutare a capire la malattia e a prevederla.
Physics Informed
Graphs
Neural Networks
Epidemiology
File in questo prodotto:
File Dimensione Formato  
Visentin_Filippo.pdf

accesso aperto

Dimensione 3.44 MB
Formato Adobe PDF
3.44 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/46214