Fugu-MT 論文翻訳(概要): COMPLEX-IT: A Case-Based Modeling and Scenario Simulation Platform for Social Inquiry

論文の概要: COMPLEX-IT: A Case-Based Modeling and Scenario Simulation Platform for Social Inquiry

arxiv url: http://arxiv.org/abs/2003.03099v1
Date: Fri, 6 Mar 2020 09:27:10 GMT
ステータス: 処理完了
システム内更新日: 2023-05-30 09:10:26.048566
Title: COMPLEX-IT: A Case-Based Modeling and Scenario Simulation Platform for Social Inquiry
Title（参考訳）: COMPLEX-IT:社会調査のためのケースベースモデリングとシナリオシミュレーションプラットフォーム
Authors: Corey Schimpf and Brian Castellani
Abstract要約: COMPLEX-ITは、複雑なデータ/システムに関する社会調査のための、ケースベースの混合メソッドプラットフォームである。計算社会科学のツールへの非専門的なアクセスを増やすように設計されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: COMPLEX-IT is a case-based, mixed-methods platform for social inquiry into complex data/systems, designed to increase non-expert access to the tools of computational social science (i.e., cluster analysis, artificial intelligence, data visualization, data forecasting, and scenario simulation). In particular, COMPLEX-IT aids social inquiry though a heavy emphasis on learning about the complex data/system under study, which it does by (a) identifying and forecasting major and minor clusters/trends; (b) visualizing their complex causality; and (c) simulating scenarios for potential interventions. COMPLEX-IT is accessible through the web or can be run locally and is powered by R and the Shiny web framework.
Abstract（参考訳）: COMPLEX-ITは、複雑なデータ/システムに対する社会調査のためのケースベースの混合メソッドプラットフォームであり、計算社会科学(クラスタ分析、人工知能、データ可視化、データ予測、シナリオシミュレーション)のツールへの非専門家アクセスを増やすために設計された。特に、complex-itは、研究中の複雑なデータ/システムについて学ぶことを重視しながら、社会調査を支援する。 a) メジャー及びマイナーなクラスタ/トレンダの識別及び予測 b) 複雑な因果関係を可視化すること (c) 潜在的な介入のシナリオをシミュレートする。 COMPLEX-ITはWebからアクセス可能か、ローカルで実行可能で、RとShinyのWebフレームワークで動く。

関連論文リスト

Graph Neural Ordinary Differential Equations for Coarse-Grained Socioeconomic Dynamics [0.0]
時空間社会経済力学をモデル化するためのデータ駆動型機械学習手法を提案する。我々の研究結果は、ボルチモアのケーススタディから、この機械学習で強化された粗い粒度モデルが強力な機器であることを示している。
論文参考訳（メタデータ） (2024-07-25T15:12:46Z)
ASTRA-sim2.0: Modeling Hierarchical Networks and Disaggregated Systems for Large-model Training at Scale [5.217665236079274]
私たちはオープンソースのASTRA-simインフラストラクチャを拡張して、最先端の分散トレーニングモデルとプラットフォームをモデリングします。新たな分散モデルとプラットフォームをターゲットにした総合的なケーススタディを実行しています。
論文参考訳（メタデータ） (2023-03-24T14:00:18Z)
Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文参考訳（メタデータ） (2022-04-29T08:06:05Z)
Federated Stochastic Gradient Descent Begets Self-Induced Momentum [151.4322255230084]
Federated Learning(FL)は、モバイルエッジシステムに適用可能な、新興の機械学習手法である。このような条件下での勾配降下(SGD)への走行は,大域的な集約プロセスに運動量的な項を加えるとみなすことができる。
論文参考訳（メタデータ） (2022-02-17T02:01:37Z)
SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文参考訳（メタデータ） (2021-12-22T14:45:37Z)
A Meta-learning Approach to Reservoir Computing: Time Series Prediction with Limited Data [0.0]
本研究では,実験プロセスから適切なモデル構造を自動的に抽出するデータ駆動型手法を提案する。簡単なベンチマーク問題に対して,我々のアプローチを実証する。
論文参考訳（メタデータ） (2021-10-07T18:23:14Z)
Online Learning Probabilistic Event Calculus Theories in Answer Set Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文参考訳（メタデータ） (2021-03-31T23:16:29Z)
Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文参考訳（メタデータ） (2020-12-01T11:46:03Z)
HAMLET: A Hierarchical Agent-based Machine Learning Platform [0.0]
HAMLET (Hierarchical Agent-based Machine LEarning plaTform) は階層型マルチエージェントシステムに基づくハイブリッド機械学習プラットフォームである。提案システムは、機械学習ソリューションをハイパーグラフとしてモデル化し、異種エージェントのマルチレベル構造を自律的に設定する。
論文参考訳（メタデータ） (2020-10-10T03:46:59Z)
Combining Machine Learning with Knowledge-Based Modeling for Scalable Forecasting and Subgrid-Scale Closure of Large, Complex, Spatiotemporal Systems [48.7576911714538]
我々は、過去のデータを予測に組み込む上で、機械学習を必須のツールとして活用しようと試みる。 i)並列機械学習予測手法と(ii)ハイブリッド手法の2つの手法を組み合わせて,知識ベースコンポーネントと機械学習ベースコンポーネントからなる複合予測システムを提案する。 i) と (ii) を組み合わせることで、非常に大規模なシステムに優れた性能を与えることができるだけでなく、並列機械学習コンポーネントを訓練するのに必要となる時系列データの長さが、並列化なしで必要なものよりも劇的に少ないことを実証した。
論文参考訳（メタデータ） (2020-02-10T23:21:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。