論文の概要: KnitCity: a machine learning-based, game-theoretical framework for
prediction assessment and seismic risk policy design
- arxiv url: http://arxiv.org/abs/2205.02679v1
- Date: Thu, 5 May 2022 14:38:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 20:38:42.200393
- Title: KnitCity: a machine learning-based, game-theoretical framework for
prediction assessment and seismic risk policy design
- Title（参考訳）: KnitCity: 予測評価と地震リスクポリシー設計のための機械学習に基づくゲーム理論フレームワーク
- Authors: Ad\`ele Douin, J. P. Bruneton, Fr\'ed\'eric Lechenault
- Abstract要約: 予測者だけでなく意思決定ポリシーも設計し、評価し、比較できるフレームワークを導入します。
我々は,強化学習環境と,人工ニューラルネットワークに基づく時系列予測器を用いた効率的なポリシを構築した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knitted fabric exhibits avalanche-like events when deformed: by analogy with
eathquakes, we are interested in predicting these "knitquakes". However, as in
most analogous seismic models, the peculiar statistics of the corresponding
time-series severely jeopardize this endeavour, due to the time intermittence
and scale-invariance of these events. But more importantly, such predictions
are hard to {\it assess}: depending on the choice of what to predict, the
results can be very different and not easily compared. Furthermore, forecasting
models may be trained with various generic metrics which ignore some important
specificities of the problem at hand, in our case seismic risk. Finally, these
models often do not provide a clear strategy regarding the best way to use
these predictions in practice. Here we introduce a framework that allows to
design, evaluate and compare not only predictors but also decision-making
policies: a model seismically active {\it city} subjected to the crackling
dynamics observed in the mechanical response of knitted fabric. We thus proceed
to study the population of KnitCity, introducing a policy through which the
mayor of the town can decide to either keep people in, which in case of large
events cause human loss, or evacuate the city, which costs a daily fee. The
policy only relies on past seismic observations. We construct efficient
policies using a reinforcement learning environment and various time-series
predictors based on artificial neural networks. By inducing a physically
motivated metric on the predictors, this mechanism allows quantitative
assessment and comparison of their relevance in the decision-making process.
- Abstract（参考訳）: 編物は変形すると雪崩のような現象を呈し、イートクエイクと類似させることで、これらの「ニトクエイク」を予測することに興味がある。
しかし、ほとんどの類似の地震モデルと同様に、対応する時系列の特異な統計は、これらの事象の時間断続性とスケール不変性のために、この取り組みを著しく妨げている。
しかし、より重要なのは、このような予測が難しいことである:何を予測するかの選択によって、結果は非常に異なり、簡単に比較できない。
さらに, 予測モデルには様々な汎用メトリクスが組み込まれており, 本事例では, 問題の重要な特異性が無視されている。
最後に、これらのモデルは、実際にこれらの予測を使用する最善の方法に関する明確な戦略を提供しないことが多い。
ここでは, 編み物の機械的応答で観測されるひび割れのダイナミクスをモデルとして, 予測因子だけでなく, 意思決定ポリシーも設計, 評価, 比較できるフレームワークを提案する。
我々は、ニットシティの人口を調査し、町長が人を収容することを決定できる政策を導入し、大きな出来事が人的損失を生んだ場合や、日々の費用がかかる都市を避難させるようにしている。
この政策は過去の地震観測のみに依存している。
ニューラルネットワークに基づく強化学習環境と各種時系列予測器を用いて効率的なポリシーを構築する。
このメカニズムは、予測子に物理的に動機づけられた計量を誘導することにより、意思決定プロセスにおけるそれらの関連性の定量的評価と比較を可能にする。
関連論文リスト
- An Introduction to Deep Survival Analysis Models for Predicting Time-to-Event Outcomes [5.257719744958367]
生存分析の分野では、時間から時間までの成果が広く研究されている。
Monographは、サバイバル分析のための、合理的に自己完結したモダンな導入を提供することを目指している。
論文 参考訳（メタデータ） (2024-10-01T21:29:17Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Robustness Evaluation of Regression Tasks with Skewed Domain Preferences [3.42658286826597]
我々は同時に2つのカプセル化問題に対処する。
まず、一様でない選好が適用される場合の回帰モデルの性能を評価する。
第二に、そのような問題に関連する実際の値の分布に関する不確実性を扱う際のモデルの堅牢性を評価する。
論文 参考訳（メタデータ） (2022-12-15T00:37:41Z) - Mining Causality from Continuous-time Dynamics Models: An Application to
Tsunami Forecasting [22.434845478979604]
本研究では,連続時間モデルから因果構造を抽出する機構を提案する。
我々は,動的モデルの入力層の重み付けによって因果構造を捕捉するモデルを訓練する。
本手法を津波予報という実世界の問題に適用し,正確な因果構造を特徴付けるのが困難である。
論文 参考訳（メタデータ） (2022-10-10T18:53:13Z) - Predictive Multiplicity in Probabilistic Classification [25.111463701666864]
確率的分類における予測的乗数性を測定するための枠組みを提案する。
実世界のタスクにおける予測多重度の発生頻度と頻度を実証する。
その結果,予測多重度をより広範囲に報告する必要性が強調された。
論文 参考訳（メタデータ） (2022-06-02T16:25:29Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。
本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文 参考訳（メタデータ） (2021-10-13T01:23:48Z) - Regularizing towards Causal Invariance: Linear Models with Proxies [7.953401800573514]
一つのプロキシを使って、境界強度の介入の下で最適に予測できる推定器を作成できることを示す。
トレーニング中に"テスト時間"の介入について追加情報が得られるシナリオにこれらの推定器を拡張する方法を示す。
論文 参考訳（メタデータ） (2021-03-03T15:39:35Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳（メタデータ） (2020-06-02T16:26:49Z)
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。