論文の概要: Predictive modeling of movements of refugees and internally displaced
people: Towards a computational framework
- arxiv url: http://arxiv.org/abs/2201.08006v1
- Date: Thu, 20 Jan 2022 05:33:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 08:17:36.719817
- Title: Predictive modeling of movements of refugees and internally displaced
people: Towards a computational framework
- Title（参考訳）: 避難民と避難民の移動の予測モデル--計算枠組みを目指して
- Authors: Katherine Hoffmann Pham and Miguel Luengo-Oroz
- Abstract要約: 機械学習を使って将来の到着を期待することへの関心が高まっている。
難民やIDPの流れの予測方法に関する標準化された知識はほとんどない。
我々は,予測問題を構造化するために,ビッグデータソースの利用に適応した体系的モデルに依存しないフレームワークを提供する。
- 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: Predicting forced displacement is an important undertaking of many
humanitarian aid agencies, which must anticipate flows in advance in order to
provide vulnerable refugees and Internally Displaced Persons (IDPs) with
shelter, food, and medical care. While there is a growing interest in using
machine learning to better anticipate future arrivals, there is little
standardized knowledge on how to predict refugee and IDP flows in practice.
Researchers and humanitarian officers are confronted with the need to make
decisions about how to structure their datasets and how to fit their problem to
predictive analytics approaches, and they must choose from a variety of
modeling options. Most of the time, these decisions are made without an
understanding of the full range of options that could be considered, and using
methodologies that have primarily been applied in different contexts - and with
different goals - as opportunistic references. In this work, we attempt to
facilitate a more comprehensive understanding of this emerging field of
research by providing a systematic model-agnostic framework, adapted to the use
of big data sources, for structuring the prediction problem. As we do so, we
highlight existing work on predicting refugee and IDP flows. We also draw on
our own experience building models to predict forced displacement in Somalia,
in order to illustrate the choices facing modelers and point to open research
questions that may be used to guide future work.
- Abstract（参考訳）: 強制移住を予測することは多くの人道支援機関にとって重要な仕事であり、脆弱な難民と内部追放者(idp)に避難所、食料、医療を提供するために、事前に流れを予測しなければならない。
将来の到着を予測するために機械学習を使うことへの関心が高まっているが、実際には難民やIDPフローの予測方法に関する標準化された知識はほとんどない。
研究者や人道的役員は、データセットの構築方法や、予測分析アプローチに問題をどのように適合させるかを決める必要性に直面しており、さまざまなモデリングオプションから選択する必要がある。
ほとんどの場合、これらの決定は考慮可能な選択肢の全範囲を理解せずに行われ、日和見主義的な参照として、主に異なるコンテキスト(および異なる目標)で適用された方法論を使用する。
本研究では,この新たな研究分野のより包括的理解を促進するために,ビッグデータの活用に適応した系統的モデルに依存しないフレームワークを,予測問題の構築のために提案する。
そのように、難民とidpフローの予測に関する既存の取り組みを強調する。
また、ソマリアにおける強制的な移動を予測するモデルを構築した経験から、モデラーが直面する選択を説明し、将来の作業の指針となるかもしれないオープンリサーチの疑問を指摘する。
関連論文リスト
- Approaching Human-Level Forecasting with Language Models [34.202996056121]
我々は,言語モデル(LM)が競争力のある人間の予測能力のレベルで予測できるかどうかを検討した。
本研究では,関連する情報を自動的に検索し,予測を生成し,予測を集約する検索拡張型LMシステムを開発した。
論文 参考訳（メタデータ） (2024-02-28T18:54:18Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - Modeling Population Movements under Uncertainty at the Border in
Humanitarian Crises: A Situational Analysis Tool [6.156378985704528]
本研究では,人道危機において国境を越える移民や強制移住者の数を予測するための状況分析ツールを提案する。
i) 従来およびビッグデータソースからの移動を意図した潜在的意図の指標、(ii) 将来の動きを予測するための予測モデル、(iii) 異なる条件下での国境横断と避難所容量のシミュレーションである。
このツールは、新型コロナウイルス(COVID-19)のパンデミックでブラジルとヴェネズエラの国境に応用された、不確実性の高い環境での緊急計画に特化している。
論文 参考訳（メタデータ） (2023-03-27T21:48:38Z) - 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) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - A Human-Centric Take on Model Monitoring [23.006624840045554]
実世界のアプリケーションにおいて、モデル監視のための様々な人間中心の課題と要件を特定します。
モデルモニタリングシステムの必要性と課題は,モニタリングが結果に与える影響を明らかにすることである。
論文 参考訳（メタデータ） (2022-06-06T19:47:29Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - When Does Uncertainty Matter?: Understanding the Impact of Predictive
Uncertainty in ML Assisted Decision Making [68.19284302320146]
我々は,異なるレベルの専門知識を持つ人々が,異なるタイプの予測不確実性にどう反応するかを評価するために,ユーザスタディを実施している。
その結果,後続の予測分布を示すことは,MLモデルの予測との相違点が小さくなることがわかった。
このことは、後続の予測分布は、人間の分布の種類や専門性を考慮し、注意を払って使用するべき有用な決定支援として役立つ可能性があることを示唆している。
論文 参考訳（メタデータ） (2020-11-12T02:23:53Z) - Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。
本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文 参考訳（メタデータ） (2020-10-26T16:00:47Z)
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。