論文の概要: Computational Model for Urban Growth Using Socioeconomic Latent Parameters

• arxiv url: http://arxiv.org/abs/2007.00480v1
• Date: Wed, 1 Jul 2020 13:38:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 23:12:39.491347
• Title: Computational Model for Urban Growth Using Socioeconomic Latent Parameters
• Title（参考訳）: 社会経済潜在パラメータを用いた都市成長の計算モデル
• Authors: Piyush Yadav, Shamsuddin Ladha, Shailesh Deshpande, Edward Curry
• Abstract要約: HMM(Hidden Markov)に基づくよりリッチなモデルを提案する。 我々は,LULCCクラスが隠蔽状態を表すHMMLCCを提案し,時間的要因が隠蔽状態に条件付けられた放出を表す。 我々は,HMM統合モデルにより,対応するMC統合モデルと比較して予測精度が向上したことを観察した。
• 参考スコア（独自算出の注目度）: 3.814858728853162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Land use land cover changes (LULCC) are generally modeled using multi-scale spatio-temporal variables. Recently, Markov Chain (MC) has been used to model LULCC. However, the model is derived from the proportion of LULCC observed over a given period and it does not account for temporal factors such as macro-economic, socio-economic, etc. In this paper, we present a richer model based on Hidden Markov Model (HMM), grounded in the common knowledge that economic, social and LULCC processes are tightly coupled. We propose a HMM where LULCC classes represent hidden states and temporal fac-tors represent emissions that are conditioned on the hidden states. To our knowledge, HMM has not been used in LULCC models in the past. We further demonstrate its integration with other spatio-temporal models such as Logistic Regression. The integrated model is applied on the LULCC data of Pune district in the state of Maharashtra (India) to predict and visualize urban LULCC over the past 14 years. We observe that the HMM integrated model has improved prediction accuracy as compared to the corresponding MC integrated model
• Abstract（参考訳）: 土地利用土地被覆変化(LULCC)は、一般に多スケール時空間変数を用いてモデル化される。 近年、マルコフ・チェイン (MC) は LULCC のモデル化に用いられている。 しかし、このモデルは、ある期間に観測されたLULCCの割合から派生しており、マクロ経済、社会経済などの時間的要因を考慮に入れていない。 本稿では,経済,社会,lulccのプロセスが密結合しているという共通知識に基づいて,隠れマルコフモデル(hmm)に基づくよりリッチなモデルを提案する。 本稿では,LULCCクラスが隠蔽状態を表すHMMと,隠蔽状態に条件付けられた時間的ファックータが表現されるHMMを提案する。 我々の知る限り、HMMは過去にLULCCモデルでは使われていない。 我々はさらに,ロジスティック回帰などの時空間モデルとの統合を実証する。 この統合モデルは、マハラシュトラ州にあるプネ地区のlulccデータに適用され、過去14年間の都市lulccの予測と可視化を行っている。 HMM統合モデルでは,対応するMC統合モデルと比較して予測精度が向上した。

関連論文リスト

• Comparing Fairness of Generative Mobility Models [3.699135947901772]
  本研究は、生成モビリティモデルの公平性を検証し、地理的領域にわたるモデルパフォーマンスにおいて、しばしば見落とされがちなエクイティの次元に対処する。 クラウドフローデータに基づいて構築された予測モデルは、都市構造や移動パターンを理解するのに有効である。 生成したトレースの有効性と公平性を測定することによって、公正性を評価するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-07T06:01:12Z)
• Exploring Model Kinship for Merging Large Language Models [52.01652098827454]
  本稿では,大規模言語モデル間の類似性や関連性の程度であるモデル親和性を紹介する。 モデル統合後の性能向上とモデル親和性の間には,一定の関係があることが判明した。 我々は新しいモデルマージ戦略を提案する。Top-k Greedy Merging with Model Kinship。
  論文  参考訳（メタデータ） (2024-10-16T14:29:29Z)
• MetMamba: Regional Weather Forecasting with Spatial-Temporal Mamba Model [4.896297413020192]
  本稿では,最新の状態空間モデルであるMambaをベースに構築された,ディープラーニングに基づく天気予報モデルMetMambaが,顕著な性能向上をもたらすことを示す。 また、グローバルホストモデルと組み合わせたトレーニングにより、ディープラーニングに基づく限定領域モデリングの実現可能性を示す。
  論文  参考訳（メタデータ） (2024-08-12T11:09:25Z)
• Continual Learning with Pre-Trained Models: A Survey [61.97613090666247]
  継続的な学習は、新しい知識を学ぶ際に、かつての知識の破滅的な忘れを克服することを目的としている。 本稿では, PTM を用いた CL の最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-01-29T18:27:52Z)
• Joint model for longitudinal and spatio-temporal survival data [3.8448145915428644]
  本研究では,空間的および時間的効果と相互作用を捉えるために,時空間結合モデル(STJM, Spatio-Nested Joint Model)を提案する。 我々は、米国住宅ローン借入者57,258人を対象に、250万人以上の観察を行った大規模データセットに対して、STJMを適用して全前払いの時期を予測した。
  論文  参考訳（メタデータ） (2023-11-07T14:05:14Z)
• Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
  非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。 本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-10-05T00:23:34Z)
• CAMERO: Consistency Regularized Ensemble of Perturbed Language Models with Weight Sharing [83.63107444454938]
  本稿では,CAMEROと呼ばれる摂動モデルに基づく一貫性規則化アンサンブル学習手法を提案する。 具体的には、すべてのモデルで底層重みを共有し、異なるモデルの隠れ表現に異なる摂動を適用し、モデルの多様性を効果的に促進することができる。 大規模言語モデルを用いた実験により,CAMEROはアンサンブルモデルの一般化性能を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2022-04-13T19:54:51Z)
• Macroeconomic forecasting with LSTM and mixed frequency time series data [0.0]
  まず,混合周波数で観測される時系列に従来型LSTMモデルを適用する方法について述べる。 次に、制約のない混合DAtaSamplingスキーム(U-MIDAS)をLSTMアーキテクチャに適用する。 提案手法は,短期予測の大規模景気後退期において非常に有効である可能性が示唆された。
  論文  参考訳（メタデータ） (2021-09-28T14:56:37Z)
• Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
  残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。 マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。 提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
  論文  参考訳（メタデータ） (2021-04-11T16:45:18Z)
• Scaling Hidden Markov Language Models [118.55908381553056]
  この研究は、HMMを言語モデリングデータセットに拡張するという課題を再考する。 本研究では,HMMを大規模状態空間に拡張する手法を提案する。
  論文  参考訳（メタデータ） (2020-11-09T18:51:55Z)
• A Bayesian Long Short-Term Memory Model for Value at Risk and Expected Shortfall Joint Forecasting [26.834110647177965]
  バリュー・アット・リスク(VaR)と期待不足(ES)は、市場リスクを測定し、極端な市場の動きを管理するために金融セクターで広く利用されている。 量子化スコア関数と非対称ラプラス密度の最近の関係は、VaRとESのジョイントモデリングのためのフレキシブルな可能性に基づく枠組みにつながっている。 Asymmetric Laplace quasi-likelihoodをベースとしたハイブリッドモデルを開発し、機械学習のLong Short-Term Memory(LSTM)時系列モデリング技術を用いて、VaRとESの基盤となるダイナミクスを効率的に捉える。
  論文  参考訳（メタデータ） (2020-01-23T05:13:36Z)

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。