Fugu-MT 論文翻訳(概要): Arc travel time and path choice model estimation subsumed

論文の概要: Arc travel time and path choice model estimation subsumed

arxiv url: http://arxiv.org/abs/2210.14351v1
Date: Tue, 25 Oct 2022 21:30:51 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 13:45:24.912621
Title: Arc travel time and path choice model estimation subsumed
Title（参考訳）: アーク走行時間と経路選択モデルの推定
Authors: Sobhan Mohammadpour and Emma Frejinger
Abstract要約: 粒度の異なるデータを用いて,経路選択モデルパラメータとアーク走行時間の最大推定法を提案する。実車(ニューヨーク・イエローキャブ)とシミュレーションデータの両方で,既存のベースラインと比較して高い性能を示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We propose a method for maximum likelihood estimation of path choice model parameters and arc travel time using data of different levels of granularity. Hitherto these two tasks have been tackled separately under strong assumptions. Using a small example, we illustrate that this can lead to biased results. Results on both real (New York yellow cab) and simulated data show strong performance of our method compared to existing baselines.
Abstract（参考訳）: 本研究では,粒度の異なるデータを用いた経路選択モデルパラメータとアーク走行時間の最大推定法を提案する。この2つのタスクは、強い仮定の下で別々に取り組まれている。小さな例を使って、これはバイアスのある結果につながることを示します。実(ニューヨークイエローキャブ)とシミュレーションデータの両方の結果から,既存のベースラインと比較して高い性能を示した。

関連論文リスト

Benchmarking of a new data splitting method on volcanic eruption data [38.85972012552084]
反復的な手順は、これらの2つの部分の累積ヒストグラムで計算された相同性指数を用いて、火山噴火の入力データセットを2つの部分に分割する。提案したモデルでは,エポック数がわずかに増加し,最高の性能が得られる。各モデルはオーバーフィッティングに適する早期停止を訓練し, 提案手法のエポック数の増加は, 早期停止がオーバーフィッティングを検知しないことを実証した。
論文参考訳（メタデータ） (2024-10-08T19:29:46Z)
A Practical Diffusion Path for Sampling [8.174664278172367]
拡散モデルは生成モデルにおいてランゲヴィン過程を導くスコアベクトルを推定するために用いられる。従来のアプローチはモンテカルロ推定器に依存しており、計算的に計算量が多いか、サンプル非効率である。そこで我々は,いわゆる拡張経路に依存して,クローズド形式で利用可能なスコアベクトルを生成する,計算的に魅力的な代替案を提案する。
論文参考訳（メタデータ） (2024-06-20T07:00:56Z)
Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
CRITERIA: a New Benchmarking Paradigm for Evaluating Trajectory Prediction Models for Autonomous Driving [6.868387710209245]
我々は,新しいbenChmarking paRadIgmをTrijEctoRy予測手法(CRITERIA)として提案する。提案したベンチマークにより,より正確なモデルランキングを作成でき,それらの振る舞いを特徴づける手段として機能することを示す。
論文参考訳（メタデータ） (2023-10-11T18:28:15Z)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文参考訳（メタデータ） (2021-10-20T12:25:22Z)
Residual Overfit Method of Exploration [78.07532520582313]
提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。 ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
論文参考訳（メタデータ） (2021-10-06T17:05:33Z)
Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
論文参考訳（メタデータ） (2021-07-08T15:35:54Z)
An Empirical Experiment on Deep Learning Models for Predicting Traffic Data [18.103216508546645]
交通制御領域における意思決定者を支援するためのディープラーニングモデルが提案されている。どのモデルが最先端のパフォーマンスを提供するのかを理解することは困難です。交通状況が急変した場合、どのモデルが動作するかを決定することも困難である。
論文参考訳（メタデータ） (2021-05-12T08:28:12Z)
Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric [0.0]
本研究では,実線上の確率分布のデータセットに関する統計解析を行うための,新規な予測手法を提案する。特に主成分分析(PCA)と回帰に重点を置いています。モデルのいくつかの理論的性質が研究され、一貫性が証明される。
論文参考訳（メタデータ） (2021-01-22T10:24:49Z)
Hierarchical Optimal Transport for Robust Multi-View Learning [97.21355697826345]
2つの仮定は実際には疑わしいが、これは多視点学習の適用を制限する。本稿では,これら2つの仮定への依存性を軽減するために,階層的最適輸送法を提案する。 HOT法は教師なし学習と半教師付き学習の両方に適用でき、実験結果から、合成タスクと実世界のタスクの両方で堅牢に動作することが示された。
論文参考訳（メタデータ） (2020-06-04T22:24:45Z)

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。