論文の概要: Analysis of Agricultural Policy Recommendations using Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2008.04947v1
• Date: Tue, 11 Aug 2020 18:29:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 13:39:31.981219
• Title: Analysis of Agricultural Policy Recommendations using Multi-Agent Systems
• Title（参考訳）: マルチエージェントシステムによる農業政策勧告の分析
• Authors: Satyandra Guthula, Sunil Simon, Harish Karnick
• Abstract要約: インドの農業部門では、政策の結果に十分な注意を払うことなく、いくつかの社会経済政策が実施されている。 いくつかの政策の負の影響は、農家が苦しむ大きな苦悩に見ることができる。 我々は、インドの農業サブシステムをマルチエージェントシステムとしてモデル化し、それを用いて、いくつかの政策の影響を分析する。
• 参考スコア（独自算出の注目度）: 15.126565681144328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite agriculture being the primary source of livelihood for more than half of India's population, several socio-economic policies are implemented in the Indian agricultural sector without paying enough attention to the possible outcomes of the policies. The negative impact of some policies can be seen in the huge distress suffered by farmers as documented by several studies and reported in the media on a regular basis. In this paper, we model a specific troubled agricultural sub-system in India as a Multi-Agent System and use it to analyse the impact of some policies. Ideally, we should be able to model the entire system, including all the external dependencies from other systems - for example availability of labour or water may depend on other sources of employment, water rights and so on - but for our purpose, we start with a fairly basic model not taking into account such external effects. As per our knowledge there are no available models which considers factors like water levels, availability of information and market simulation in the Indian context. So, we plugged in various entities into the model to make it sufficiently close to observed realities, at least in some selected regions of India. We evaluate some policy options to get an understanding of changes that may happen once such policies are implemented. Then we recommended some policies based on the result of the simulation.
• Abstract（参考訳）: 農業がインドの人口の半数以上を占める主要な生活源であるにもかかわらず、いくつかの社会経済政策がインド農業セクターで実施されており、政策の結果に十分な注意を払っていない。 いくつかの政策の負の影響は、いくつかの研究によって記録され、メディアで定期的に報告された農家による大きな苦悩に見ることができる。 本稿では,インドにおける問題のある農業サブシステムをマルチエージェントシステムとしてモデル化し,それを用いて政策の影響を分析する。 理想的には、他のシステムからの外部依存(例えば、労働力や水の可用性は、他の雇用源や水利権などに依存する)を含むシステム全体をモデル化できるべきですが、私たちの目的のためには、そのような外部の影響を考慮しない、かなり基本的なモデルから始めます。 私たちの知る限り、インドにおける水位、情報の可用性、市場シミュレーションといった要素を考慮したモデルはありません。 そこで我々は、少なくともインドの一部の地域において、観測された現実に十分近いものにするために、様々な実体をモデルに組み込んだ。 このようなポリシーが実装されれば起こり得る変更を理解するために、いくつかのポリシーオプションを評価します。 次に,シミュレーションの結果に基づいていくつかのポリシーを推奨した。

関連論文リスト

• Agricultural Landscape Understanding At Country-Scale [7.978859577060083]
  我々は、高解像度画像とUNetスタイルのセグメンテーションモデルを用いて、その種類の国規模のマルチクラスパノラマセグメンテーション出力の1つを生成する。 我々は151.7万ヘクタールにまたがる個別の畑を特定でき、水資源や植生などの重要な特徴を記述できる。
  論文  参考訳（メタデータ） (2024-11-08T06:29:02Z)
• Can Reinforcement Learning support policy makers? A preliminary study with Integrated Assessment Models [7.1307809008103735]
  統合アセスメントモデル(IAM)は、社会と経済の主な特徴とバイオスフィアを1つのモデルフレームワークに結びつける試みである。 本稿では、IAMを探索し、より原理化された方法で解の空間を探索するために、現代の強化学習が利用できることを実証的に示す。
  論文  参考訳（メタデータ） (2023-12-11T17:04:30Z)
• Dual policy as self-model for planning [71.73710074424511]
  エージェントの自己モデルとして決定をシミュレートするために使用されるモデルについて述べる。 現在の強化学習アプローチと神経科学にインスパイアされた我々は、蒸留政策ネットワークを自己モデルとして利用することの利点と限界を探求する。
  論文  参考訳（メタデータ） (2023-06-07T13:58:45Z)
• Policy Dispersion in Non-Markovian Environment [53.05904889617441]
  本稿では,非マルコフ環境下での国家行動ペアの歴史から,多様な政策の学習を試みる。 まず、ポリシー埋め込みを学習するために、トランスフォーマーベースの手法を採用する。 次に,政策埋め込みを積み重ねて分散行列を構築し,多様な政策の集合を誘導する。
  論文  参考訳（メタデータ） (2023-02-28T11:58:39Z)
• Off-policy evaluation for learning-to-rank via interpolating the item-position model and the position-based model [83.83064559894989]
  産業レコメンデーションシステムにとって重要なニーズは、製品にデプロイする前に、レコメンデーションポリシーをオフラインで評価する機能である。 我々は、最も人気のある2つの非政治推定器の問題を緩和する新しい推定器を開発する。 特に、InterPOLと呼ばれる新しい推定器は、潜在的に不特定位置ベースモデルのバイアスに対処する。
  論文  参考訳（メタデータ） (2022-10-15T17:22:30Z)
• A Data Science Approach to Risk Assessment for Automobile Insurance Policies [1.0660480034605242]
  データサイエンスアプローチによるリスクアセスメントに重点を置いている。 当社は、現在および過去のポリシーの履歴データを用いて、新規顧客によってなされる総請求額を予測する。
  論文  参考訳（メタデータ） (2022-09-06T18:32:27Z)
• Sayer: Using Implicit Feedback to Optimize System Policies [63.992191765269396]
  我々は、暗黙のフィードバックを活用して、新しいシステムポリシーを評価し、訓練する方法論を開発する。 Sayerは、強化学習の2つのアイデアに基づいて、既存のポリシーで収集されたデータを活用する。 Sayer氏は任意のポリシーを正確に評価し、生産ポリシーを上回るような新しいポリシーをトレーニングできることを示します。
  論文  参考訳（メタデータ） (2021-10-28T04:16:56Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• On Modeling Human Perceptions of Allocation Policies with Uncertain Outcomes [6.729250803621849]
  確率重み付けは、害と利益の確率分布よりも好みを予測できることを示す。 確率重み付けの歪み効果を考慮して、知覚された総害を最小化し、知覚された総益を最大化する最適政策を同定する。
  論文  参考訳（メタデータ） (2021-03-10T02:22:08Z)
• Off-Policy Evaluation of Slate Policies under Bayes Risk [70.10677881866047]
  スレートのスロット上でロギングポリシーが因子化される典型的なケースにおいて、スレート帯のオフポリシ評価の問題について検討する。 PIによるリスク改善はスロット数とともに線形に増加し、スロットレベルの分岐の集合の算術平均と調和平均とのギャップによって線形に増加することを示す。
  論文  参考訳（メタデータ） (2021-01-05T20:07:56Z)
• Analyzing the Design Space of Re-opening Policies and COVID-19 Outcomes in the US [5.74610768062625]
  近年の米国での再開政策は、社会格差緩和の期間を経て、毎日の新型コロナウイルス感染が大幅に増加した。 我々は、ソーシャルネットワークの研究にインスパイアされたモデルを導入し、その疑問に答える。 我々のモデルは、(強制的な)テストの利点が部分的閉鎖の利点を隠蔽していると予測し、おそらくもっと多くの努力がそのような緩和戦略に向けられるべきであることを示唆している。
  論文  参考訳（メタデータ） (2020-04-30T21:28:19Z)

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。