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.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