[论文解读] Generating Similarity Map for COVID-19 Transmission Dynamics with Topological Autoencoder

Pitoyo Hartono|arXiv (Cornell University)|Apr 3, 2020

Fractal and DNA sequence analysis参考文献 7被引用 10

一句话总结

本文提出一种拓扑自编码器（TA），利用来自240多个国家的时间序列数据，生成全球新冠肺炎传播动态的相似性图谱。通过学习病例数轨迹的低维拓扑表征，TA将传播模式相似的国家在空间上表示为相邻聚类，揭示了动态演变的全球传播格局，并通过模型内部的差异化表征，实现对各国防控成效的直观比较。

ABSTRACT

At the beginning of 2020 the world has seen the initial outbreak of COVID-19, a disease caused by SARS-CoV2 virus in China. The World Health Organization (WHO) declared this disease as a pandemic on March 11 2020. As the disease spread globally, it becomes difficult to tract the transmission dynamics of this disease in all countries, as they may differ in geographical, demographic and strategical aspects. In this short note, the author proposes the utilization of a type of neural network to generate a global topological map for these dynamics, in which countries that share similar dynamics are mapped adjacently, while countries with significantly different dynamics are mapped far from each other. The author believes that this kind of topological map can be useful for further analyzing and comparing the correlation between the diseases dynamics with strategies to mitigate this global crisis in an intuitive manner. Some initial experiments with with time series of patients numbers in more than 240 countries are explained in this note.

研究动机与目标

• 开发一种可视化工具，以捕捉全球各国在新冠肺炎传播动态上的相似性与差异性。
• 通过将确诊病例时间序列映射到拓扑空间，实现对各国应对措施的直观比较。
• 探究拓扑自编码器是否能够揭示大流行传播模式中的潜在结构关系。
• 为具有相似动态的国家聚类提供基础，以支持预测建模。
• 证明TA模型的内部表征能够编码各国传播轨迹之间的有意义差异。

提出的方法

• 该方法采用拓扑自编码器（TA），即软监督拓扑自编码器的简化无监督变体，基于240多个国家的每日确诊病例数进行训练。
• TA使用带有可学习参考向量的2D隐藏神经元网格，通过输入向量与参考向量之间的最小欧氏距离选择最佳匹配单元（BMU）。
• 邻域函数 σ(j, win, t) 控制BMU对邻近神经元的影响，随时间采用余弦衰减调度进行退火。
• 隐藏层输出 Hj 基于到BMU的距离和当前邻域大小，使用类似高斯的激活函数计算。
• 输出层通过可学习输出权重 V_k 的加权和重建输入，模型通过随机梯度下降训练以最小化均方误差。
• 最终的拓扑图将每个国家分配到2D网格中的一个位置，其中空间邻近性反映传播动态的相似性。

实验结果

研究问题

• RQ1 拓扑自编码器在多大程度上能有效可视化全球各国新冠肺炎传播动态的相似性与差异性？
• RQ2 TA模型的内部表征是否能够捕捉到具有不同大流行轨迹国家之间的有意义差异？
• RQ3 相似性图谱上国家的空间排列如何随时间演变，反映国家应对策略的转变？
• RQ4 传播模式相似的国家在图谱上聚类的程度如何？异常值如湖北或意大利如何显现？
• RQ5 该拓扑图能否作为聚类国家的基础，并通过LSTM等模型提升时间序列预测性能？

主要发现

• 传播动态相似的国家，如韩国、英国和比利时，在图谱上位置接近，而传播趋势迥异的国家如韩国与英国则在空间上分离。
• 中国湖北在疫情初期即为显著异常值，因其病例数迅速攀升，与其他地区在初始阶段明显不同。
• 至2020年3月30日，图谱趋于稳定，显示许多国家已形成一致的传播模式，显著分化如德国与西班牙在动态上呈现差异。
• TA模型的内部表征清晰地区分了传播轨迹截然不同的国家，例如韩国的受控传播与英国的持续增长，证明了模型编码动态特征的能力。
• 美国、意大利和湖北等国家表现出独特的内部表征：湖北的病例数趋于稳定，而美国和意大利则呈现急剧上升的曲线。
• 比利时与荷兰在图谱位置和内部表征上的相似性，证实了两国传播动态的可比性，验证了模型的聚类能力。