TL;DR
- چکیده:.
- ما چارچوبی را برای مدلهای SIR و SIS غیرمارکوویی،.
- ترکیبی خوب،.
چه اتفاقی افتاد
چکیده:. ما چارچوبی را برای مدلهای SIR و SIS غیرمارکوویی،.
ترکیبی خوب،. فراتر از میدان میانگین،.
با استفاده از فرمالیسم پیادهروی تصادفی پیوسته ایجاد میکنیم. با استفاده از یک توزیع گاما برای زمانهای بین رویدادی عفونت و بهبودی بهعنوان یک مورد آزمایشی،.
معادلات اصلی مجانبی در اواخر زمان با هستههای حافظه موثر استخراج میکنیم و پیشبینیهای تحلیلی را برای توزیع. اندازه شیوع نهایی در مدل SIR،.
و توزیع شبهای و طول عمر بیماری در مدل SIS به دست میآوریم. ما نشان میدهیم که تغییر عرض توزیع زمان بین رویدادی میتواند تا حد زیادی توزیع اندازه شیوع یا.
طول عمر بیماری را تغییر دهد. ما همچنین نشان میدهیم که مدلهای مارکوفی مجدداً ممکن است نتوانند نوسانات را در مورد غیرمارکوویی ثبت کنند.
بهطور کلی،. تجزیه و تحلیل ما،.
که در برابر شبیهسازیهای عددی تأیید شده است،. راه را برای مطالعه انحرافات بزرگ در جمعیتهای ساختاریافته هموار میکند.
در شبکههای درجه ناهمگن صفحه، 4 شکل + فایل اطلاعات تکمیلی جمعیتها و تکامل (q-bio. PE)؛ مکانیک آماری (cond-mat.
stat-mech) استناد بهعنوان: (یا v2 [q-bio. PE] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Michael Assaf [مشاهده ایمیل] [v1] پنجشنبه،.
11 سپتامبر 2025،. ساعت 14:.
08:. 12 UTC (86 KB) [v2] دوشنبه،.
6 آوریل 2026،. 14:.
01:. 57 UTC (119 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.