論文の概要: Surrogate Assisted Strategies (The Parameterisation of an Infectious
Disease Agent-Based Model)
- arxiv url: http://arxiv.org/abs/2108.08809v1
- Date: Thu, 19 Aug 2021 17:27:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-20 14:22:18.016654
- Title: Surrogate Assisted Strategies (The Parameterisation of an Infectious
Disease Agent-Based Model)
- Title（参考訳）: サロゲート支援戦略(感染症治療薬モデルによるパラメータ化)
- Authors: Rylan Perumal, Terence L van Zyl
- Abstract要約: キャリブレーションはエージェントベースのモデリングとシミュレーションにおいて重要な課題である。
我々はパラメータ化戦略を効果的に交換し、モデルをサロゲートできる、より包括的で適応的なABMSフレームワークを提案する。
DYCORS XGBoost と MSRS SVM は実世界の日常感染の累積分布を近似できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parameter calibration is a significant challenge in agent-based modelling and
simulation (ABMS). An agent-based model's (ABM) complexity grows as the number
of parameters required to be calibrated increases. This parameter expansion
leads to the ABMS equivalent of the \say{curse of dimensionality}. In
particular, infeasible computational requirements searching an infinite
parameter space. We propose a more comprehensive and adaptive ABMS Framework
that can effectively swap out parameterisation strategies and surrogate models
to parameterise an infectious disease ABM. This framework allows us to evaluate
different strategy-surrogate combinations' performance in accuracy and
efficiency (speedup). We show that we achieve better than parity in accuracy
across the surrogate assisted sampling strategies and the baselines. Also, we
identify that the Metric Stochastic Response Surface strategy combined with the
Support Vector Machine surrogate is the best overall in getting closest to the
true synthetic parameters. Also, we show that DYnamic COOrdindate Search Using
Response Surface Models with XGBoost as a surrogate attains in combination the
highest probability of approximating a cumulative synthetic daily infection
data distribution and achieves the most significant speedup with regards to our
analysis. Lastly, we show in a real-world setting that DYCORS XGBoost and MSRS
SVM can approximate the real world cumulative daily infection distribution with
$97.12$\% and $96.75$\% similarity respectively.
- Abstract（参考訳）: パラメータキャリブレーションはエージェントベースモデリングとシミュレーション(ABMS)において重要な課題である。
エージェントベースモデル(ABM)の複雑性は、校正に必要なパラメータの数が増えるにつれて増加する。
このパラメータ展開は、ABMS の \say{curse of dimensionality} と同値となる。
特に、無限パラメータ空間を探索する不可能な計算要求。
本稿では,より包括的で適応的なABMSフレームワークを提案する。パラメータ化戦略を効果的に交換し,感染性疾患 ABM をパラメータ化するためのモデルをサロゲートする。
このフレームワークにより、異なる戦略代理の組み合わせの性能を精度と効率(スピードアップ)で評価できる。
我々は,サロゲート支援サンプリング戦略とベースラインにおいて,精度が同等よりも優れていることを示す。
また, 計量確率応答面戦略とサポートベクターマシンのサロゲートが組み合わさって, 真の合成パラメータに最も近い位置にあることを示す。
また,xgboostをサロゲートとした応答面モデルを用いた動的コーディネート探索は,累積合成日内感染データ分布を近似する最も高い確率と組み合わせて達成され,解析において最も重要な速度向上を達成した。
最後に, DYCORS XGBoost と MSRS SVM は, それぞれ9.12$\% と9.75$\% の類似性で実世界の累積日感染分布を近似できることを示す。
関連論文リスト
- Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。
LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。
LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文 参考訳（メタデータ） (2024-03-11T05:35:38Z) - Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。
我々は推論プロセスを自動微分に適した最適化問題に変換する。
提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
論文 参考訳（メタデータ） (2024-03-08T14:45:18Z) - A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms [5.033966447393941]
サセプティブル感染除去モデル(SEIR)は、非薬剤的介入(NPI)がCOVID-19の流行の地域的および時間的分布に与える影響をモデル化するために、空間的・時間的に異なる係数を仮定する。
SEIRモデルの空間/時間変化パラメータを最適化するための新しい校正フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-13T15:27:30Z) - Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。
MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。
モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
論文 参考訳（メタデータ） (2023-08-29T15:01:01Z) - Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。
本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。
我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文 参考訳（メタデータ） (2022-09-27T07:58:25Z) - 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) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Surrogate Assisted Methods for the Parameterisation of Agent-Based
Models [0.0]
キャリブレーションはエージェントベースのモデリングとシミュレーションにおいて大きな課題である。
本稿では,異なるサンプリング手法と代理モデルの効果的な統合を容易にするABMSフレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-26T21:47:02Z) - An Asymptotically Optimal Multi-Armed Bandit Algorithm and
Hyperparameter Optimization [48.5614138038673]
本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。
また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。
実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
論文 参考訳（メタデータ） (2020-07-11T03:15:21Z) - Online Parameter Estimation for Safety-Critical Systems with Gaussian
Processes [6.122161391301866]
オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。
パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。
我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
論文 参考訳（メタデータ） (2020-02-18T20:38:00Z)
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。