論文の概要: Simulated redistricting plans for the analysis and evaluation of redistricting in the United States

• arxiv url: http://arxiv.org/abs/2206.10763v2
• Date: Fri, 21 Oct 2022 01:48:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:22:51.759043
• Title: Simulated redistricting plans for the analysis and evaluation of redistricting in the United States
• Title（参考訳）: 米国における再分権分析と評価のためのシミュレートされた再分権計画
• Authors: Cory McCartan, Christopher T. Kenny, Tyler Simko, George Garcia III, Kevin Wang, Melissa Wu, Shiro Kuriwaki, and Kosuke Imai
• Abstract要約: この記事では、シミュレートされた議会分割計画と基礎となるコード集である50stateSimulationsを紹介します。 50stateSimulationsは、アメリカ合衆国で制定されたその他の議会再編成計画の評価を可能にする。
• 参考スコア（独自算出の注目度）: 0.2529563359433233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article introduces the 50stateSimulations, a collection of simulated congressional districting plans and underlying code developed by the Algorithm-Assisted Redistricting Methodology (ALARM) Project. The 50stateSimulations allow for the evaluation of enacted and other congressional redistricting plans in the United States. While the use of redistricting simulation algorithms has become standard in academic research and court cases, any simulation analysis requires non-trivial efforts to combine multiple data sets, identify state-specific redistricting criteria, implement complex simulation algorithms, and summarize and visualize simulation outputs. We have developed a complete workflow that facilitates this entire process of simulation-based redistricting analysis for the congressional districts of all 50 states. The resulting 50stateSimulations include ensembles of simulated 2020 congressional redistricting plans and necessary replication data. We also provide the underlying code, which serves as a template for customized analyses. All data and code are free and publicly available. This article details the design, creation, and validation of the data.
• Abstract（参考訳）: 本稿では,アルゴリズム支援再帰方法論(alarm)プロジェクトによって開発された50statesimulations(50statesimulations)について紹介する。 50stateSimulationsは、アメリカ合衆国で制定されたその他の議会再編成計画の評価を可能にする。 再限定型シミュレーションアルゴリズムの使用は学術研究や裁判所のケースでは標準となっているが、シミュレーション分析には複数のデータセットを組み合わせて、状態固有の再限定基準を特定し、複雑なシミュレーションアルゴリズムを実装し、シミュレーションの出力を要約し、視覚化する非自明な努力が必要である。 我々は、50州全選挙区のシミュレーションに基づく再分断分析のプロセス全体を補助する完全なワークフローを開発した。 その結果得られた50のシミュレーションには、2020年の議会再編成計画と必要なレプリケーションデータが含まれている。 また、分析をカスタマイズするためのテンプレートとして機能する基盤となるコードも提供します。 すべてのデータとコードは無料で公開されています。 この記事では、データの設計、作成、検証について詳述する。

関連論文リスト

• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
  テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。 我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。 数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
  論文  参考訳（メタデータ） (2024-05-30T08:01:20Z)
• Near-optimal Policy Identification in Active Reinforcement Learning [84.27592560211909]
  AE-LSVI はカーネル化された最小二乗値 RL (LSVI) アルゴリズムの新しい変種であり、楽観主義と悲観主義を組み合わせて活発な探索を行う。 AE-LSVIは初期状態に対するロバスト性が必要な場合、様々な環境で他のアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-19T14:46:57Z)
• Mathematically Quantifying Non-responsiveness of the 2021 Georgia Congressional Districting Plan [3.097163558730473]
  並列テンパリング法とReComを併用したメトロポリケートサンプリング手法を応用した。 ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。 我々の分析では、ジョージア州の選挙は、この制定された計画の下で、確実に9人の共和党員と5人の民主党員を選出すると予想している。
  論文  参考訳（メタデータ） (2022-03-13T02:58:32Z)
• Measuring Geometric Similarity Across Possible Plans for Automated Redistricting [0.0]
  本稿では,2つの計画の間に同一の選挙区に留まる州の面積や人口の比率に対応する,類似性の解釈的尺度とそれに対応する代入行列を簡潔に紹介する。 次に、直感的な時間でこの測度を計算する方法を示し、潜在的なユースケースを簡潔に示す。
  論文  参考訳（メタデータ） (2021-11-17T03:37:25Z)
• BayesSimIG: Scalable Parameter Inference for Adaptive Domain Randomization with IsaacGym [59.53949960353792]
  BayesSimIGは、最近リリースされたNVIDIA IsaacGymと統合されたBayesSimの実装を提供するライブラリである。 BayesSimIGはNVIDIABoardと統合して、高次元の後方のスライスを簡単に視覚化する。
  論文  参考訳（メタデータ） (2021-07-09T16:21:31Z)
• Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
  マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。 これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
  論文  参考訳（メタデータ） (2021-03-01T22:55:48Z)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)
• Colorado in Context: Congressional Redistricting and Competing Fairness Criteria in Colorado [0.0]
  我々は、合理的な再分権計画の大きなランダムサンプルを生成し、2018年の州全体の選挙でのリターンを用いて、各地区の党派バランスを決定する。 本研究では, 党派的な成果, 分割される郡数, 計画における競争地区数との関係について検討する。
  論文  参考訳（メタデータ） (2020-11-11T20:05:50Z)
• Sequential Monte Carlo for Sampling Balanced and Compact Redistricting Plans [0.0]
  本稿では,現実的な目標分布に収束する再限定計画のサンプルを生成する,SMC(Sequential Monte Carlo)アルゴリズムを提案する。 提案アルゴリズムの精度を,すべての再分割計画を列挙可能な小さなマップを用いて検証する。 次に、SMCアルゴリズムを用いて、ペンシルベニア州の最近の有名な再分権事件において、関係当事者が提出したいくつかの地図のパルチザン的含意を評価する。
  論文  参考訳（メタデータ） (2020-08-13T23:26:34Z)
• The Essential Role of Empirical Validation in Legislative Redistricting Simulation [0.0]
  提案手法は,計画の再分割を効率的に行うことのできる計算手法である。 このアルゴリズムは,数百の地理的単位を持つ状態に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-17T20:51:43Z)

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。