Fugu-MT 論文翻訳(概要): Modeling Weather-induced Home Insurance Risks with Support Vector Machine Regression

論文の概要: Modeling Weather-induced Home Insurance Risks with Support Vector Machine Regression

arxiv url: http://arxiv.org/abs/2103.08761v1
Date: Mon, 15 Mar 2021 23:13:32 GMT
ステータス: 処理完了
システム内更新日: 2021-03-17 22:54:10.039002
Title: Modeling Weather-induced Home Insurance Risks with Support Vector Machine Regression
Title（参考訳）: 支援ベクターマシン回帰による住宅保険リスクのモデル化
Authors: Asim K. Dey, Vyacheslav Lyubchich, and Yulia R. Gel
Abstract要約: 保険業界は気候変動の最も脆弱な分野の1つである。気象による住宅保険請求と損失の合同ダイナミクスに及ぼす降水の影響について検討する。
参考スコア（独自算出の注目度）: 1.776495509141596
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Insurance industry is one of the most vulnerable sectors to climate change. Assessment of future number of claims and incurred losses is critical for disaster preparedness and risk management. In this project, we study the effect of precipitation on a joint dynamics of weather-induced home insurance claims and losses. We discuss utility and limitations of such machine learning procedures as Support Vector Machines and Artificial Neural Networks, in forecasting future claim dynamics and evaluating associated uncertainties. We illustrate our approach by application to attribution analysis and forecasting of weather-induced home insurance claims in a middle-sized city in the Canadian Prairies.
Abstract（参考訳）: 保険業界は気候変動の最も脆弱な分野の1つである。将来のクレーム数と損失の評価は災害対応とリスク管理に不可欠である。本研究は,気象による住宅保険請求と損失の連立動態に及ぼす降水の影響について検討する。本稿では,今後のクレームダイナミクスの予測と関連する不確実性の評価において,サポートベクターマシンやニューラルネットワークといった機械学習手法の有用性と限界について論じる。カナダ平原の中規模都市における気象による住宅保険請求の帰属分析と予測へのアプローチについて述べる。

関連論文リスト

Climate-Driven Doubling of Maize Loss Probability in U.S. Crop Insurance: Spatiotemporal Prediction and Possible Policy Responses [0.0]
人工ニューラルネットワークを用いて、米国コーンベルトの将来のトウモロコシ収量を予測する。我々は,連邦作物保険プログラムにおいて,制度上のリスク曝露に対する警告的な変化を見出した。
論文参考訳（メタデータ） (2024-08-05T03:38:38Z)
Catastrophe Insurance: An Adaptive Robust Optimization Approach [5.877778007271621]
この研究は、災害保険料の計算に適した新しい適応ロバスト最適化フレームワークを導入している。私たちの知る限り、AROアプローチが災害保険価格に適用されるのは初めてです。米国の洪水保険データをケーススタディとして、最適化モデルは損失をカバーし余剰を発生させる効果を示す。
論文参考訳（メタデータ） (2024-05-11T18:35:54Z)
Potential Paradigm Shift in Hazard Risk Management: AI-Based Weather Forecast for Tropical Cyclone Hazards [14.98500685250914]
この研究は、焦点となる例として熱帯性サイクロンを用いる。そこで我々は,先進的なPangu AI気象モデルを用いて,アンサンブル予測を生成する摂動に基づく手法を開発した。
論文参考訳（メタデータ） (2024-04-29T05:32:48Z)
Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-02T17:13:16Z)
HurriCast: An Automatic Framework Using Machine Learning and Statistical Modeling for Hurricane Forecasting [5.806235734006766]
ハリケーンは、その破壊的な影響により、アメリカにおいて大きな課題を呈している。これらのリスクを緩和することは重要であり、この取り組みの中心は保険業界である。本研究では,ARIMAモデルとK-MEANSを組み合わせることで,ハリケーンの傾向をより正確に把握する手法を提案する。
論文参考訳（メタデータ） (2023-09-12T19:48:52Z)
A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文参考訳（メタデータ） (2023-08-02T09:48:08Z)
Learning Inter-Annual Flood Loss Risk Models From Historical Flood Insurance Claims and Extreme Rainfall Data [0.0]
洪水は最も壊滅的な自然災害の1つであり、実質的な経済的損失の原因となっている。本研究は,国立洪水保険プログラムデータセット上に構築されたレジストレーターの予測能力を評価する。
論文参考訳（メタデータ） (2022-12-15T19:23:02Z)
Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文参考訳（メタデータ） (2022-07-19T16:15:11Z)
Boosting the interpretability of clinical risk scores with intervention predictions [59.22442473992704]
本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
論文参考訳（メタデータ） (2022-07-06T19:49:42Z)
Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
論文参考訳（メタデータ） (2021-04-26T10:28:34Z)
Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文参考訳（メタデータ） (2020-12-08T16:30:43Z)

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。