論文の概要: Population synthesis for urban resident modeling using deep generative
models
- arxiv url: http://arxiv.org/abs/2011.06851v1
- Date: Fri, 13 Nov 2020 10:48:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 00:47:47.604417
- Title: Population synthesis for urban resident modeling using deep generative
models
- Title(参考訳): 深層モデルを用いた都市住民モデルのための人口合成
- Authors: Martin Johnsen, Oliver Brandt, Sergio Garrido, Francisco C. Pereira
- Abstract要約: 本稿では, 大規模住宅・集合住宅における新築ビルの人口分布をモデル化する機械学習手法を提案する。
ベトナムのハノイにある不動産開発プロジェクトであるEcopark Townshipの実際のデータセットを使って、2つの機械学習アルゴリズムを深層生成モデル文学から研究し、人工エージェントの人口を生成する。
- 参考スコア(独自算出の注目度): 6.037276428689637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The impacts of new real estate developments are strongly associated to its
population distribution (types and compositions of households, incomes, social
demographics) conditioned on aspects such as dwelling typology, price,
location, and floor level. This paper presents a Machine Learning based method
to model the population distribution of upcoming developments of new buildings
within larger neighborhood/condo settings.
We use a real data set from Ecopark Township, a real estate development
project in Hanoi, Vietnam, where we study two machine learning algorithms from
the deep generative models literature to create a population of synthetic
agents: Conditional Variational Auto-Encoder (CVAE) and Conditional Generative
Adversarial Networks (CGAN). A large experimental study was performed, showing
that the CVAE outperforms both the empirical distribution, a non-trivial
baseline model, and the CGAN in estimating the population distribution of new
real estate development projects.
- Abstract(参考訳): 新たな不動産開発の影響は、その人口分布(世帯の種類や構成、収入、社会人口層)に強く関連しており、住居タイプ、価格、位置、床のレベルといった側面を前提としている。
本稿では, 大規模住宅・集合住宅における新築ビルの人口分布をモデル化する機械学習手法を提案する。
我々はベトナムのハノイにある不動産開発プロジェクトであるエコパーク・タウンシップ(Ecopark Township)の実際のデータセットを用いて、2つの機械学習アルゴリズムを深層生成モデルから研究し、合成エージェントの集団を生成する。
CVAEは経験的分布,非自明なベースラインモデル,CGANの両面で,新たな不動産開発プロジェクトの人口分布を推定する上で優れていた。
関連論文リスト
- Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - On the Stability of Iterative Retraining of Generative Models on their
own Data [56.153542044045224]
生成モデルの訓練がデータセット(実データと合成データの混合データ)の安定性に及ぼす影響について検討した。
まず、初期生成モデルがデータ分布を十分に近似する条件下で反復学習の安定性を実証する。
我々は,CIFAR10およびFFHQ上の正規化フローと最先端拡散モデルの反復的訓練により,合成画像と自然画像の両方に関する理論を実証的に検証した。
論文 参考訳(メタデータ) (2023-09-30T16:41:04Z) - Improving Heterogeneous Model Reuse by Density Estimation [105.97036205113258]
本稿では,異なる参加者の個人データを用いてモデルを学習することを目的とした多人数学習について検討する。
モデルの再利用は、各パーティーのためにローカルモデルがトレーニングされていると仮定して、マルチパーティの学習にとって有望なソリューションである。
論文 参考訳(メタデータ) (2023-05-23T09:46:54Z) - Copula-based synthetic population generation [0.2376767664163658]
対象集団のための合成データを生成するためのコプラに基づく新しいフレームワークを提案する。
データを正規化し、与えられたコプラの実現として扱う。
我々は,正規化データから生成モデルを訓練し,限界値に関する情報を注入する。
論文 参考訳(メタデータ) (2023-02-17T23:58:14Z) - Latent Diffusion Energy-Based Model for Interpretable Text Modeling [104.85356157724372]
本稿では,拡散モデルと潜時空間ESMの共生を変動学習フレームワークで導入する。
我々は,学習した潜在空間の品質を向上させるために,情報ボトルネックと合わせて幾何学的クラスタリングに基づく正規化を開発する。
論文 参考訳(メタデータ) (2022-06-13T03:41:31Z) - Generating unrepresented proportions of geological facies using
Generative Adversarial Networks [0.0]
地質データセットにおける相の補間・補間におけるGAN(Generative Adversarial Networks)の能力について検討した。
具体的には、トレーニングセットに存在しない新しい比率に向けて、生成されたファシズムを駆動できる条件付きGANモデルを設計する。
両相・多重相の画像に対する数値実験は, 良好な地質学的整合性を示し, 対象条件と強い相関を示した。
論文 参考訳(メタデータ) (2022-03-17T22:38:45Z) - Data Assimilation Predictive GAN (DA-PredGAN): applied to determine the
spread of COVID-19 [0.0]
本稿では,時間内予測のためのGAN(Generative Adversarial Network)とDA-PredGAN(DA-PredGAN)の新たな利用法を提案する。
GANは、現実的に見える画像の生成に優れた結果を達成した後、最近多くの注目を集めています。
論文 参考訳(メタデータ) (2021-05-17T10:56:53Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳(メタデータ) (2021-04-30T12:47:52Z) - UrbanVCA: a vector-based cellular automata framework to simulate the
urban land-use change at the land-parcel level [4.12627107272774]
UrbanVCAは、新しいベクトルCAベースの都市開発シミュレーションフレームワークである。
広東省春出市を研究エリアとして,都市VCAは土地・区画レベルでの都市土地利用の変化をシミュレートしている。
2030年のシミュレーションの結果,エコ保護シナリオは都市集積を促進し,生態的侵略と耕作地喪失を少なくとも60%低減できることが示された。
論文 参考訳(メタデータ) (2021-03-15T17:03:22Z) - Deep Evolutionary Learning for Molecular Design [1.8047694351309207]
分子設計のためのフラグメントに基づく深層生成モデルと多対象進化計算を融合した深層進化学習プロセスを提案する。
本手法は,(1) 構造空間ではなく, 生成モデルの潜在空間における進化的操作を可能とし, 次世代の分子構造を創出する。
論文 参考訳(メタデータ) (2020-12-28T03:15:46Z) - 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)
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。