Fugu-MT 論文翻訳(概要): SimDem A Multi-agent Simulation Environment to Model Persons with Dementia and their Assistance

論文の概要: SimDem A Multi-agent Simulation Environment to Model Persons with Dementia and their Assistance

arxiv url: http://arxiv.org/abs/2107.05346v1
Date: Mon, 12 Jul 2021 12:13:47 GMT
ステータス: 処理完了
システム内更新日: 2021-07-13 16:02:13.826893
Title: SimDem A Multi-agent Simulation Environment to Model Persons with Dementia and their Assistance
Title（参考訳）: 認知症をモデルとしたマルチエージェントシミュレーション環境SimDemとその支援
Authors: Muhammad Salman Shaukat, Bjarne Christian Hiller, Sebastian Bader, Thomas Kirste
Abstract要約: 認知症者の認知障害に着目したシミュレーションモデル(SimDem)を提案する。 SimDemを簡単に設定し、ユーザーが支援ソリューションをモデル化し、評価することができる。
参考スコア（独自算出の注目度）: 2.179313476241343
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Developing artificial intelligence based assistive systems to aid Persons with Dementia (PwD) requires large amounts of training data. However, data collection poses ethical, legal, economic, and logistic issues. Synthetic data generation tools, in this regard, provide a potential solution. However, we believe that already available such tools do not adequately reflect cognitive deficiencies in behavior simulation. To counter these issues we propose a simulation model (SimDem ) that primarily focuses on cognitive impairments suffered by PwD and can be easily configured and adapted by the users to model and evaluate assistive solutions.
Abstract（参考訳）: 認知症者を支援する人工知能ベースの補助システム(PwD)の開発には、大量のトレーニングデータが必要である。しかし、データ収集は倫理的、法的、経済的、ロジスティックな問題を引き起こす。この場合、合成データ生成ツールは潜在的な解決策を提供する。しかし,このようなツールは行動シミュレーションの認知的欠陥を十分に反映していないと考えられる。これらの問題に対処するために,PwD が抱える認知障害に着目したシミュレーションモデル (SimDem ) を提案する。

関連論文リスト

GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
Reasoning and Tools for Human-Level Forecasting [0.4261908132550109]
本稿では,Reasoning and Tools for Forecasting (RTF)について紹介する。我々は,競争予測プラットフォームからの質問でモデルを評価し,本手法が人間の予測に勝るものであることを実証した。
論文参考訳（メタデータ） (2024-08-21T23:42:06Z)
Private Agent-Based Modeling [13.072333113108531]
意思決定におけるエージェントベースのモデルの有用性は、人口を正確に再現する能力に依存している。しかし、そのようなデータを組み込むことは、プライバシー上の懸念から大きな課題を生んでいる。本稿では,エージェント属性やインタラクションを集中化せずにエージェントモデルシミュレーション,キャリブレーション,解析を行うことのできる,プライベートエージェントベースモデリングのためのパラダイムを提案する。
論文参考訳（メタデータ） (2024-04-19T16:30:40Z)
Beyond Human Data: Scaling Self-Training for Problem-Solving with Language Models [115.501751261878]
人為的なデータに基づく微調整言語モデル(LM)が普及している。我々は、スカラーフィードバックにアクセス可能なタスクにおいて、人間のデータを超えることができるかどうか検討する。 ReST$EM$はモデルサイズに好適にスケールし、人間のデータのみによる微調整を大幅に上回っていることがわかった。
論文参考訳（メタデータ） (2023-12-11T18:17:43Z)
Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
論文参考訳（メタデータ） (2023-09-01T19:29:53Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)
Planning for Learning Object Properties [117.27898922118946]
我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。シミュレーションと実環境の両方で実験的な評価を行う。
論文参考訳（メタデータ） (2023-01-15T09:37:55Z)
Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文参考訳（メタデータ） (2022-07-20T07:32:02Z)
Using Shape Metrics to Describe 2D Data Points [0.0]
本稿では,2次元データを記述するために形状計測を用いて,解析をより説明しやすく解釈可能にすることを提案する。これは、説明可能性の権利が不可欠である医療コミュニティにおける応用において特に重要である。
論文参考訳（メタデータ） (2022-01-27T23:28:42Z)
Optimization of High-dimensional Simulation Models Using Synthetic Data [0.1529342790344802]
本稿では,シミュレーションパラメータに対する可算区間の仕様のみを必要とするBuBシミュレータを提案する。詳細な統計分析を行うことができ、最も重要なモデルパラメータについて深い洞察を得ることができる。この研究は、新型コロナウイルスのパンデミックによって引き起こされる困難について明確に取り上げている。
論文参考訳（メタデータ） (2020-09-06T17:21:41Z)

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。