論文の概要: Using an interpretable Machine Learning approach to study the drivers of International Migration

• arxiv url: http://arxiv.org/abs/2006.03560v1
• Date: Fri, 5 Jun 2020 17:13:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 04:28:20.268554
• Title: Using an interpretable Machine Learning approach to study the drivers of International Migration
• Title（参考訳）: 解釈可能な機械学習手法による国際移動のドライバの研究
• Authors: Harold Silv\`ere Kiossou, Yannik Schenk, Fr\'ed\'eric Docquier, Vinasetan Ratheil Houndji, Siegfried Nijssen, Pierre Schaus
• Abstract要約: 我々は,国際移住をモデル化する人工知能ニューラルネットワーク(ANN)を提案する。 我々は、機械学習モデルを解釈する手法を用いて、国際移住の背後にあるドライバーの影響を十分に研究できることを示す。
• 参考スコア（独自算出の注目度）: 11.318307426609936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Globally increasing migration pressures call for new modelling approaches in order to design effective policies. It is important to have not only efficient models to predict migration flows but also to understand how specific parameters influence these flows. In this paper, we propose an artificial neural network (ANN) to model international migration. Moreover, we use a technique for interpreting machine learning models, namely Partial Dependence Plots (PDP), to show that one can well study the effects of drivers behind international migration. We train and evaluate the model on a dataset containing annual international bilateral migration from $1960$ to $2010$ from $175$ origin countries to $33$ mainly OECD destinations, along with the main determinants as identified in the migration literature. The experiments carried out confirm that: 1) the ANN model is more efficient w.r.t. a traditional model, and 2) using PDP we are able to gain additional insights on the specific effects of the migration drivers. This approach provides much more information than only using the feature importance information used in previous works.
• Abstract（参考訳）: 移住圧力の増大は、効果的な政策を設計するために新しいモデリングアプローチを要求する。 マイグレーションフローを予測するための効率的なモデルだけでなく、特定のパラメータがこれらのフローに与える影響を理解することも重要です。 本稿では,国際移住をモデル化する人工知能ニューラルネットワーク(ANN)を提案する。 さらに,PDP(Partial Dependence Plots)と呼ばれる機械学習モデルの解釈手法を用いて,国際移動の背景にあるドライバの影響を十分に研究できることを示す。 我々は,国際二国間移動が1960ドルから2010ドル,原産地国が135ドル,oecdが中心となる335ドル,移行文献で特定される主要な要因を含むデータセット上でモデルを訓練し,評価した。 実験の結果、以下のことが確認された。 1) ANNモデルは従来のモデルよりも効率的である。 2) PDPを用いることで, マイグレーションドライバの具体的な影響について, さらなる知見を得ることができる。 このアプローチは、以前の作業で使用される機能重要情報のみを使用するよりも、はるかに多くの情報を提供する。

関連論文リスト

• Towards detailed and interpretable hybrid modeling of continental-scale bird migration [9.887133861477231]
  我々は最近開発された大陸規模の鳥の移動のハイブリッドモデルを構築し、流体力学にインスパイアされた運動モデルと繰り返しニューラルネットワークを組み合わせる。 F FluxRGNNは、重要なマイグレーションパターンの予測に成功しているが、その空間分解能は、気象レーダーから得られる典型的な希薄な観測によって制限されている。 本稿では,モデルコンポーネントの解釈可能性の制御を提供しながら,望まれるテッセル化に関するより詳細な予測を可能にする2つの大きな修正を提案する。
  論文  参考訳（メタデータ） (2024-07-14T15:52:19Z)
• Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters [65.15700861265432]
  本稿では,視覚言語モデルを用いた漸進的学習における長期的忘れを緩和するパラメータ効率の連続学習フレームワークを提案する。 提案手法では,Mixture-of-Experts (MoE)アダプタの統合により,事前学習したCLIPモデルの動的拡張を行う。 視覚言語モデルのゼロショット認識能力を維持するために,分布判別オートセレクタを提案する。
  論文  参考訳（メタデータ） (2024-03-18T08:00:23Z)
• Rethinking Human-like Translation Strategy: Integrating Drift-Diffusion Model with Large Language Models for Machine Translation [15.333148705267012]
  本稿では,人間翻訳者の動的意思決定を制約リソース下でエミュレートするために,Drift-Diffusion Modelを用いたThinkerを提案する。 WMT22とCommonMTのデータセットを用いて、高リソース、低リソース、コモンセンスの翻訳設定で実験を行う。 また,提案手法の有効性と有効性を示すために,コモンセンス翻訳のさらなる分析と評価を行う。
  論文  参考訳（メタデータ） (2024-02-16T14:00:56Z)
• Federated Learning with Projected Trajectory Regularization [65.6266768678291]
  フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。 連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。 本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-22T02:12:08Z)
• Seeking Neural Nuggets: Knowledge Transfer in Large Language Models from a Parametric Perspective [106.92016199403042]
  パラメトリック・パースペクティブを用いて,大規模モデルから小規模モデルへの知識伝達を実証的に検討する。 感性に基づく手法を用いて、異なる大言語モデル間で知識固有のパラメータを抽出・調整する。 本研究は,パラメトリックな知識伝達の過程に寄与する重要な要因を明らかにする。
  論文  参考訳（メタデータ） (2023-10-17T17:58:34Z)
• Masked Path Modeling for Vision-and-Language Navigation [41.7517631477082]
  ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)エージェントは、自然言語の指示に従うことで現実世界の環境をナビゲートするように訓練されている。 以前のアプローチでは、トレーニング中に追加の監督を導入することでこの問題に対処しようと試みていた。 本稿では,下流ナビゲーションタスクに自己コンパイルデータを用いてエージェントを事前訓練する,マスク付きパスモデリング(MPM)手法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T17:20:20Z)
• Evaluating natural language processing models with generalization metrics that do not need access to any training or testing data [66.11139091362078]
  本稿では,Hugingface から事前学習した大規模トランスフォーマーに対して,一般化指標を用いた最初のモデル選択結果を提案する。 ニッチな状況にもかかわらず、ヘビーテール(HT)の観点から派生したメトリクスは、特にNLPタスクにおいて有用である。
  論文  参考訳（メタデータ） (2022-02-06T20:07:35Z)
• Mixed-Lingual Pre-training for Cross-lingual Summarization [54.4823498438831]
  言語間の要約は、ソース言語の記事に対する対象言語の要約を作成することを目的としている。 本稿では,翻訳のような言語間タスクと,マスク付き言語モデルのようなモノリンガルタスクの両方を活用する混合言語事前学習に基づくソリューションを提案する。 本モデルでは,2.82(中国語)と1.15(中国語,英語)のROUGE-1スコアを最先端の結果に対して改善する。
  論文  参考訳（メタデータ） (2020-10-18T00:21:53Z)
• VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
  モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。 LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。 本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
  論文  参考訳（メタデータ） (2020-07-15T07:07:07Z)
• An LSTM approach to Forecast Migration using Google Trends [7.621862131380908]
  線形重力モデルを長期記憶(LSTM)アプローチに置き換え、既存の2つのアプローチと比較する。 LSTMアプローチとGoogle Trendsのデータを組み合わせることで、これらのモデルがさまざまな指標で優れています。
  論文  参考訳（メタデータ） (2020-05-20T08:07:42Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。