CAsimulations: Modeling of topological dynamics in a disease using cellular automata
CAsimulations: Modelado de la dinámica topológica en una enfermedad mediante autómatas celulares
Resumen (es)
La predicción del comportamiento de la enfermedad, el nivel de afectación en una población y las formas de controlarla son los aspectos más importantes que estudia la epidemiología utilizando herramientas como datos históricos y modelos matemáticos. Por lo tanto, nuestro objetivo es (1) proporcionar una herramienta capaz de analizar los fenómenos epidemiológicos a partir de las interacciones sociales más comunes dentro de un grupo de individuos. (2) Proporcionar una metodología para construir modelos epidemiológicos a partir de patrones y reglas lógicas. (3) Determinar el impacto de las interacciones sociales en la propagación de una enfermedad. Este artículo describe la construcción lógica de dos modelos epidemiológicos en autómatas celulares, junto con dos de sus variaciones basadas en principios topológicos y dinámicos.
Resumen (en)
The prediction of the behavior of the disease, the level of affectation in a population and the ways to control it are the most important aspects studied by epidemiology using tools such as historical data and mathematical models. So, our objective is (1) to provide a tool capable of analyzing epidemiological phenomena starting from the most common social interactions within a group of individuals. (2) To provide a methodology to build epidemiological models from patterns and logical rules. (3) Determine the impact of social interactions on the spread of a disease. This paper describes the logical construction of two epidemiological models in cellular automata together with two of their variations based on topological and dynamical principles.
Referencias
Bacaer, N. (2011). A short history of mathematical population dynamics. Springer.
Barmak, J. A. (2011). Algebraic topology of finite topological spaces and applications. Springer.
Brauer, F., & Castillo-Chavez, C. (2012). Mathematical models in population biology and epidemiology (2nd ed.). Springer.
Castro Ponce, M., de León, M., & Gómez Corral, A. (2020). Las matemáticas contra la malaria y el modelo SIR. Matemáticas y sus fronteras.
Chollet, F. (2018). Deep learning with Python. Manning Publications Co.
De Castro Korgi, R. (2004). Teoría de la computación - Lenguajes, autómatas, gramáticas. Universidad Nacional de Colombia.
De Pereda Sebastián, D. (2010). Modelización matemática de la difusión de una epidemia de peste porcina entre granjas [Tesis de maestría, Universidad Complutense de Madrid].
Deng, S., Wang, S., Rangwala, H., Wang, L., & Ning, Y. (2019). Cola-GNN: Cross-location attention based graph neural networks for long-term ILI prediction. arXiv.
Dreyfus, G. (2005). Neural networks: Methodology and applications. Springer.
Fritza, C., Dorigattia, E., & Rugamera, D. (2021). Combining graph neural networks and spatio-temporal disease models to predict COVID-19 cases in Germany. arXiv.
Fuentes, M. A., & Kuperman, M. N. (1999). Cellular automata and epidemiological models with spatial dependence. Elsevier.
García Rovira, L. (s.f.). Modelos matemáticos compartimentales en epidemiología. Universidad de La Laguna.
Heffernan, J. M., Smith, R. J., & Wahl, L. M. (2005). Perspectives on the basic reproductive ratio. The Royal Society.
Höhle, U., & Rodabaugh, S. E. (1999). Mathematics of fuzzy sets: Logic, topology, and measure theory. Springer Science+Business.
Holkoa, A., Medrek, M., Pastuszakb, Z., & Phusavat, K. (2016). Epidemiological modeling with a population density map-based cellular automata simulation system. Elsevier.
Karaman, S., Lisanti, G., Bagdanov, A. D., & Del Bimbo, A. (2014). Leveraging local neighborhood topology for large scale person re-identification. Elsevier.
Kao, R. R. (2010). Networks and models with heterogeneous population structure in epidemiology. En Chapter 4. Universidad Nacional de Colombia.
Keeling, M. J., & Eames, K. T. D. (2005). Networks and epidemic models. The Royal Society.
Kim, K. M. (2019). Algunos modelos epidemiológicos en grafos completos y redes complejas [Tesis de maestría, Universidad de São Paulo].
Klaise, J., & Johnson, S. (2016). From neurons to epidemics: How trophic coherence affects spreading processes. arXiv.
La Gatta, V., Moscato, V., Postiglione, M., & Sperlí, G. (2021). An epidemiological neural network exploiting dynamic graph structured data applied to the COVID-19 outbreak. Elsevier.
Lin, T. Y. (2007). Neighborhood systems: A qualitative theory for fuzzy and rough sets. University of California.
Lymperopoulos, I. N. (2021). #stayhome to contain Covid-19: Neuro-SIR – Neurodynamical epidemic modeling of infection patterns in social networks. Elsevier.
Macho Stadler, M. (2002). Topología general. Universidad del País Vasco.
Marr, C., & Hutt, M.-T. (2008). Outer-totalistic cellular automata on graphs. arXiv.
Marr, C., & Hutt, M.-T. (2012). Cellular automata on graphs: Topological properties of ER graphs evolved towards low-entropy dynamics. Entropy.
Mikler, A. R., Venkatachalam, S., & Abbas, K. (2005). Modeling infectious diseases using global stochastic cellular automata. World Scientific Publishing Company.
Monteirob, L. H. A., & Schimita, P. H. T. (1990). Computer graphics and connected topologies on finite ordered sets. Topology and its Applications.
Monteirob, L. H. A., & Schimita, P. H. T. (2009). On the basic reproduction number and the topological properties of the contact network: An epidemiological study in mainly locally connected cellular automata. Elsevier.
Munkres, J. R. (2002). Topología. Prentice Hall.
Neira U., C. M. (2017). Topología general. Springer.
Panagopoulos, G., Nikolentzos, G., & Vazirgiannis, M. (2021). Transfer graph neural networks for pandemic forecasting. arXiv.
Picado, J., & Pultr, A. (2012). Frames and locales: Topology without points. Birkhäuser.
Porta, M. (2014). A dictionary of epidemiology. Oxford University Press.
Ramírez Ramírez, J. L. (2015). Objetos combinatorios y fracciones continuas asociados a autómatas ponderados infinitos [Tesis doctoral, Universidad Nacional de Colombia].
Reyes Gómez, D. A. (2011). Descripción y aplicaciones de los autómatas celulares. Universidad Autónoma de Puebla.
Rath, B. (2020). Epidemiology inspired framework for false information mitigation in social networks.
Salo, V., & Torma, I. (2012). Topology inspired problems for cellular automata, and a counterexample in topology. arXiv.
Santiago, F. F., & Mondragón, J. R. (2014). Autómatas celulares y su aplicación en computación. VIII Congreso Internacional de Ingeniería Mecánica y Mecatrónica.
Schimita, P. H. T., & Monteirob, L. H. A. (1990). Computer graphics and connected topologies on finite ordered sets. Topology and its Applications.
Schmidt, C. (2019). Prediction of the influenza virus propagation by using different epidemiological and machine learning models.
Shanmuganathan, S., & Samarasinghe, S. (2016). Artificial neural network modelling. Springer.
Stadler, M. M. (2002). Topología general. Universidad del País Vasco.
White, S. H., del Rey, A. M., & Rodríguez Sánchez, G. (2006). Modeling epidemics using cellular automata. Elsevier.
Wilensky, U. (1997). NetLogo Fire model. Center for Connected Learning and Computer-Based Modeling, Northwestern University. http://ccl.northwestern.edu/netlogo/models/Fire
Weisstein, E. W. (1983). Rule 30. MathWorld–A Wolfram Web Resource. https://mathworld.wolfram.com/Rule30.html
Yescas Aparicio, C. (2013). Filtros en topología y algunas aplicaciones.
Cómo citar
Licencia
Derechos de autor 2025 Comunicaciones en Estadística
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
