В работе представлен усовершенствованный метод ускорения мультиагентного моделирования эпидемий с помощью прогрессивного обучения автоэнкодеров. Ключевые улучшения включают трехэтапное усложнение архитектуры модели и новый метод калибровки параметров на основе начального периода эпидемии с использованием top-k комбинаций. Модификация функции потерь с добавлением KL-дивергенции позволила решить проблему нестабильности обучения. Результаты демонстрируют значительное повышение точности: коэффициент детерминации R² вырос с 0.63 до 0.89, точность предсказания дня пика заболеваемости увеличилась с 38% до 82%, при сохранении 200-кратного ускорения по сравнению с исходной МАМ.

Сеничев С.Д. (науч. рук. Леоненко В.Н.) Ускорение эпидемического моделирования с помощью прогрессивных автоэнкодеров // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14057