کتاب صوتی بهینه‌سازی مداخلات اپیدمیولوژیک با استفاده از الگوریتم‌های انتشار پیام در شبکه‌های پیچیده

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی مداخلات اپیدمیولوژیک با استفاده از الگوریتم‌های انتشار پیام در شبکه‌های پیچیده

موضوع کلی: شبکه‌ها و مدل‌سازی انتشار

موضوع میانی: الگوریتم‌های انتشار پیام و کاربردهای آن در شبکه‌ها

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر شبکه‌های پیچیده: چرا مطالعه شبکه‌ها مهم است؟
• 2. مفاهیم اساسی در نظریه گراف: گره‌ها و یال‌ها
• 3. انواع شبکه‌ها: تصادفی، مقیاس‌ناپذیر، دنیای کوچک
• 4. کاربردهای شبکه‌ها در علوم مختلف
• 5. نمایش داده‌های شبکه: ماتریس مجاورت و لیست مجاورت
• 6. مسیرها، چرخه‌ها و مولفه‌های همبند
• 7. درجه گره و توزیع درجه
• 8. گراف‌های جهت‌دار و بدون جهت
• 9. وزن یال‌ها و شبکه‌های وزن‌دار
• 10. درخت‌ها و DAG (گراف‌های غیرمدور جهت‌دار)
• 11. طول مسیر مشخصه و قطر شبکه
• 12. ضریب خوشه‌بندی محلی و جهانی
• 13. مرکزیت گره‌ها: درجه، بینابینی، نزدیکی، و Eigenvector
• 14. تشخیص جوامع و خوشه‌بندی در شبکه‌ها
• 15. مقاومت شبکه و آسیب‌پذیری
• 16. مبانی اپیدمیولوژی و انتشار بیماری‌ها
• 17. مدل SIR: مفاهیم پایه و دینامیک
• 18. مدل SIS و SEIR: تفاوت‌ها و کاربردها
• 19. عدد تکثیر پایه (R0) و اهمیت آن
• 20. معرفی پدیده‌های انتشار در شبکه‌ها
• 21. مقدمه‌ای بر مدل‌های گرافیکی احتمالی
• 22. نقش گره‌ها و یال‌ها در مدل‌های احتمالی
• 23. متغیرهای تصادفی و توابع توزیع احتمال
• 24. استقلال شرطی در مدل‌های گرافیکی
• 25. گراف‌های فاکتور و نمایش توابع پتانسیل
• 26. شبکه‌های بیزی: ساختار و استنتاج
• 27. میدان‌های تصادفی مارکوف (MRF): نمایش و ویژگی‌ها
• 28. مقایسه شبکه‌های بیزی و MRF
• 29. کاربردهای MRF در مسائل بهینه‌سازی و بینایی ماشین
• 30. گراف‌های اتصالی (Junction Trees) و نقش آن‌ها
• 31. مفهوم کلی انتشار پیام و استنتاج تقریبی
• 32. چرا به انتشار پیام نیاز داریم؟ (پیچیدگی دقیق)
• 33. الگوریتم‌های پیام‌رسانی به عنوان یک رویکرد کلی
• 34. مفهوم پیام‌ها (Messages) در گراف
• 35. انتشار پیام و تکرار (Iteration)
• 36. الگوریتم Sum-Product (Belief Propagation): مبانی
• 37. فرمولاسیون پیام‌ها در Sum-Product
• 38. نحوه به‌روزرسانی پیام‌ها و محاسبه باورها (Beliefs)
• 39. الگوریتم Max-Product (Viterbi): برای مسائل بهینه‌سازی
• 40. مقایسه Sum-Product و Max-Product و کاربردهای آن‌ها
• 41. انتشار پیام در درخت‌ها: اثبات همگرایی و دقت
• 42. الگوریتم Sum-Product در درخت‌های بدون جهت
• 43. انتشار پیام در DAGها: مرتب‌سازی توپولوژیک
• 44. پیاده‌سازی انتشار پیام در ساختارهای ساده
• 45. مثال‌های کاربردی انتشار پیام در درخت‌ها
• 46. تعریف حلقه‌ها (Loops) در گراف‌ها
• 47. مشکل عدم همگرایی یا همگرایی به پاسخ‌های غلط در حضور حلقه‌ها
• 48. وابستگی‌های متقابل و پیام‌های تکراری
• 49. اهمیت مدل‌سازی دقیق حلقه‌ها در مسائل واقعی
• 50. شناسایی حلقه‌ها و مولفه‌های دوهمبند (Biconnected Components)
• 51. تقریب‌های مبتنی بر میدان میانگین (Mean-Field Approximations)
• 52. انرژی آزاد بت (Bethe Free Energy) و کاربرد آن
• 53. Bethe Approximation در انتشار پیام
• 54. Kikuchi Approximation: بهبود تقریب بت
• 55. مقایسه Bethe و Kikuchi و دامنه کاربرد آن‌ها
• 56. تعمیم انتشار باور (Generalized Belief Propagation - GBP)
• 57. خوشه‌های (Clusters) و مرزهای (Boundaries) در GBP
• 58. انتشار پیمایش (Survey Propagation - SP) برای مسائل سخت
• 59. SP برای مسائل ارضای محدودیت (Satisfiability Problems)
• 60. Warning Propagation: یک الگوریتم مشابه SP
• 61. نمایش وضعیت سلامتی افراد به عنوان متغیرهای گره‌ای
• 62. نمایش تماس‌ها و روابط به عنوان یال‌ها
• 63. مدل‌سازی احتمال انتقال بیماری روی یال‌ها
• 64. تعریف پتانسیل‌ها و توابع هزینه در مدل‌های اپیدمیولوژیک
• 65. تبدیل دینامیک مدل‌های SIR/SIS به فرمولاسیون انتشار پیام
• 66. انتشار پیام برای شبیه‌سازی شیوع بیماری
• 67. تخمین احتمال آلودگی هر گره (فرد)
• 68. مدل‌های اپیدمیولوژیک فازی و انتشار پیام
• 69. پیش‌بینی زمان اوج شیوع و دامنه آن
• 70. سناریوهای مختلف انتشار بیماری با MP
• 71. استنتاج پارامترهای مدل اپیدمیولوژیک (مانند نرخ انتقال)
• 72. استفاده از داده‌های مشاهده شده (مثلاً تعداد بیماران)
• 73. الگوریتم‌های MP برای استنتاج بیزی پارامترها
• 74. چالش‌های تخمین پارامتر در شبکه‌های پیچیده
• 75. عدم قطعیت در تخمین پارامترها
• 76. پیش‌بینی میزان آلودگی نهایی جمعیت
• 77. احتمال رسیدن بیماری به یک گره خاص
• 78. اثر تغییر ساختار شبکه بر پیش‌بینی‌ها
• 79. تحلیل حساسیت مدل نسبت به پارامترها
• 80. استفاده از MP در سیستم‌های هشدار اولیه اپیدمی
• 81. مداخلات غیردارویی (NPIs): فاصله اجتماعی، قرنطینه
• 82. مداخلات دارویی: واکسیناسیون، درمان
• 83. ردیابی تماس (Contact Tracing) و اثر آن
• 84. آزمایش‌های جمعی (Mass Testing) و شناسایی موارد
• 85. مدیریت منابع محدود برای مداخلات
• 86. فرمولاسیون مشکل بهینه‌سازی مداخله به عنوان یک مسئله MP
• 87. انتخاب بهینه گره‌ها برای واکسیناسیون هدفمند
• 88. استراتژی‌های قرنطینه محلی و جهانی
• 89. بهینه‌سازی ردیابی تماس برای حداکثر اثربخشی
• 90. تخصیص بهینه منابع محدود به مناطق مختلف
• 91. شناسایی گره‌های سوپراسپریدر (Superspreaders)
• 92. اهمیت مرکزیت در انتخاب گره‌های هدف
• 93. شناسایی یال‌های حیاتی برای کنترل انتشار
• 94. رویکردهای مبتنی بر MP برای یافتن "نقاط ضعف" شبکه
• 95. مقایسه رویکردهای MP با روش‌های مبتنی بر مرکزیت
• 96. شبکه‌های دینامیک و تکامل‌پذیر در اپیدمیولوژی
• 97. چالش‌های داده‌های واقعی و نویز
• 98. ترکیب MP با یادگیری ماشین برای تصمیم‌گیری هوشمند
• 99. کاربرد در سناریوهای مختلف بیماری (آنفولانزا، کووید-۱۹)
• 100. محدودیت‌ها، مسائل باز و چشم‌انداز آینده تحقیق