論文の概要: Automatic Calibration Framework of Agent-Based Models for Dynamic and Heterogeneous Parameters

• arxiv url: http://arxiv.org/abs/2203.03147v1
• Date: Mon, 7 Mar 2022 05:45:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-08 17:51:33.271692
• Title: Automatic Calibration Framework of Agent-Based Models for Dynamic and Heterogeneous Parameters
• Title（参考訳）: 動的・不均一パラメータに対するエージェントモデルの自動校正フレームワーク
• Authors: Dongjun Kim, Tae-Sub Yun, Il-Chul Moon, Jang Won Bae
• Abstract要約: 本研究では,動的キャリブレーション法と不均一キャリブレーション法を組み合わせた自動キャリブレーション手法を提案する。 動的キャリブレーションは、シミュレーションパラメータを調整するための適切なシミュレーション時間を自動的にキャプチャすることで、シミュレーション結果を実世界のデータに適合させる。 不均一キャリブレーションは、エージェント関連パラメータをクラスタワイズに調整することにより、シミュレーションと実世界の個人間の分布差を低減する。
• 参考スコア（独自算出の注目度）: 11.723777972627143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent-based models (ABMs) highlight the importance of simulation validation, such as qualitative face validation and quantitative empirical validation. In particular, we focused on quantitative validation by adjusting simulation input parameters of the ABM. This study introduces an automatic calibration framework that combines the suggested dynamic and heterogeneous calibration methods. Specifically, the dynamic calibration fits the simulation results to the real-world data by automatically capturing suitable simulation time to adjust the simulation parameters. Meanwhile, the heterogeneous calibration reduces the distributional discrepancy between individuals in the simulation and the real world by adjusting agent related parameters cluster-wisely.
• Abstract（参考訳）: エージェントベースモデル(abms)は、質的顔検証や定量的実証検証など、シミュレーション検証の重要性を強調している。 特に,ABMのシミュレーション入力パラメータの調整による定量的検証に着目した。 本研究では,動的キャリブレーション法と不均一キャリブレーション法を組み合わせた自動キャリブレーション手法を提案する。 具体的には、適切なシミュレーション時間を自動的に捉えてシミュレーションパラメータを調整することにより、シミュレーション結果を実世界データに適合させる。 一方, 不均一キャリブレーションは, エージェント関連パラメータをクラスタワイズに調整することにより, シミュレーションと実世界の個人間の分布差を低減させる。

関連論文リスト

• Bayesian Adaptive Calibration and Optimal Design [16.821341360894706]
  現在の機械学習アプローチは、主に観測データで利用可能な固定された設計セットに対する再実行シミュレーションに依存している。 本稿では,バッチシーケンスプロセス内で最大情報化シミュレーションを実行するためのデータ効率アルゴリズムを提案する。 合成問題と実データ問題にまたがる関連手法と比較して,本手法の利点を示す。
  論文  参考訳（メタデータ） (2024-05-23T11:14:35Z)
• Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
  ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。 本稿では,FCMを用いたクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-22T08:15:50Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• CATfOOD: Counterfactual Augmented Training for Improving Out-of-Domain Performance and Calibration [59.48235003469116]
  データの増大はOOD性能を継続的に向上させることを示す。 また, CF拡張モデルのキャリブレーションが容易な場合, 重要度を割り当てる場合, エントロピーがはるかに低いことを示す。
  論文  参考訳（メタデータ） (2023-09-14T16:16:40Z)
• Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
  本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。 本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
  論文  参考訳（メタデータ） (2023-07-05T18:14:38Z)
• Active-Learning-Driven Surrogate Modeling for Efficient Simulation of Parametric Nonlinear Systems [0.0]
  支配方程式がなければ、パラメトリック還元次代理モデルを非侵襲的に構築する必要がある。 我々の研究は、パラメータのスナップショットを効率的に表示するための非侵入的最適性基準を提供する。 カーネルベースの浅層ニューラルネットワークを用いた能動的学習駆動サロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-09T18:01:14Z)
• Data-driven reduced-order modelling for blood flow simulations with geometry-informed snapshots [0.0]
  類似しているが異なる領域における血流シミュレーションの効率的な予測法として,データ駆動サロゲートモデルを提案する。 幾何パラメータに対する非侵入的還元次数モデルが適切な分解を用いて構築される。 ラジアル基底関数補間器は、縮小順序モデルの縮小係数を予測するために訓練される。
  論文  参考訳（メタデータ） (2023-02-21T21:18:17Z)
• Modular Conformal Calibration [80.33410096908872]
  回帰における再校正のためのアルゴリズムを多種多様なクラスで導入する。 このフレームワークは、任意の回帰モデルをキャリブレーションされた確率モデルに変換することを可能にする。 我々は17の回帰データセットに対するMCCの実証的研究を行った。
  論文  参考訳（メタデータ） (2022-06-23T03:25:23Z)
• Calibrating Over-Parametrized Simulation Models: A Framework via Eligibility Set [3.862247454265944]
  厳密な頻繁な統計的保証を満たす校正手法を開発するための枠組みを開発する。 本手法は,書籍市場シミュレータのキャリブレーションへの応用を含む,いくつかの数値例で実証する。
  論文  参考訳（メタデータ） (2021-05-27T00:59:29Z)
• Calibration of the von Wolffersdorff model using Genetic Algorithms [0.0]
  本稿では、フォン・ヴォルフフェルスドルフの法則を校正するための遺伝的アルゴリズム(GA)に基づく最適化フレームワークを提案する。 提案手法は, 実測値と3軸ドレイン圧縮試験の結果から, これらのパラメータを自動的に適合させることができる。
  論文  参考訳（メタデータ） (2020-06-10T20:07:55Z)

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。