論文の概要: Where the Bee Sucks -- A Dynamic Bayesian Network Approach to Decision Support for Pollinator Abundance Strategies

• arxiv url: http://arxiv.org/abs/2212.03179v1
• Date: Mon, 5 Dec 2022 10:06:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 17:54:39.043178
• Title: Where the Bee Sucks -- A Dynamic Bayesian Network Approach to Decision Support for Pollinator Abundance Strategies
• Title（参考訳）: Bee Sucks -- ポリネーター境界戦略の動的ベイズネットワークによる決定支援
• Authors: Martine J. Barons and Aditi Shenvi
• Abstract要約: 政策立案者は政策選択を行う際に、異なる専門分野の専門家に頼らなければならないことが多い。 本稿では,多人数の受粉者を支援する政策評価のために,複数の専門家パネルからの入力を組み合わせるための統合意思決定支援システム手法の新たな適用法を提案する。
• 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: For policymakers wishing to make evidence-based decisions, one of the challenges is how to combine the relevant information and evidence in a coherent and defensible manner in order to formulate and evaluate candidate policies. Policymakers often need to rely on experts with disparate fields of expertise when making policy choices in complex, multi-faceted, dynamic environments such as those dealing with ecosystem services. The pressures affecting the survival and pollination capabilities of honey bees (Apis mellifera), wild bees and other pollinators is well-documented, but incomplete. In order to estimate the potential effectiveness of various candidate policies to support pollination services, there is an urgent need to quantify the effect of various combinations of variables on the pollination ecosystem service, utilising available information, models and expert judgement. In this paper, we present a new application of the integrating decision support system methodology for combining inputs from multiple panels of experts to evaluate policies to support an abundant pollinator population.
• Abstract（参考訳）: 証拠に基づく決定をしたい政策立案者にとって、課題の1つは、関連する情報と証拠を一貫性のある方法で組み合わせて、候補政策を定式化し評価する方法である。 政策立案者は、エコシステムサービスを扱うような複雑で多面的な動的環境で政策選択を行う際に、異なる専門分野のエキスパートに頼る必要がある。 ミツバチ(apis mellifera)や野生のミツバチなどの受粉者の生存能力や受粉能力に影響する圧力は、十分に文書化されているが不完全である。 受粉サービスを支援するための各種政策の有効性を推定するためには, 利用可能な情報, モデル, 専門家の判断を利用して, 各種変数の組み合わせが受粉エコシステムサービスに与える影響を定量化する必要がある。 本稿では,多人数の受粉者を支援する政策を評価するために,複数の専門家パネルからの入力を結合する統合意思決定支援システムの新たな応用について述べる。

関連論文リスト

• Policy Aggregation [21.21314301021803]
  我々は、マルコフ決定プロセスにおいて、異なる報酬関数と最適なポリシーを持つ複数の個人とAIバリューアライメントの課題を考察する。 我々は、この問題を政策集約の1つとして定式化し、そこでは、望ましい集団的政策を特定することを目的としている。 主要な洞察は、社会的選択法は、国家が占有するポリトープのサブセットのボリュームと順序的選好を識別することで再解釈できるということである。
  論文  参考訳（メタデータ） (2024-11-06T04:19:50Z)
• A survey on the impact of AI-based recommenders on human behaviours: methodologies, outcomes and future directions [3.802956917145726]
  この調査は、人間とAIの4つのエコシステムにおけるレコメンデーターの影響を分析した。 ソーシャルメディア、オンライン小売、都市マッピング、ジェネレーティブAIエコシステムの研究が行われている。
  論文  参考訳（メタデータ） (2024-06-29T14:34:32Z)
• Robustifying a Policy in Multi-Agent RL with Diverse Cooperative Behaviors and Adversarial Style Sampling for Assistive Tasks [51.00472376469131]
  多様な介護者対応を訓練することで、ロバストな介護者の方針を学習する枠組みを提案する。 一般的な深層RL法で訓練されたポリシーは、他のエージェントのポリシーの変更に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2024-03-01T08:15:18Z)
• A Knowledge-Oriented Approach to Enhance Integration and Communicability in the Polkadot Ecosystem [0.0]
  本稿では,これらの課題に対処するために,ドメインオントロジーを含む概念的フレームワークであるPontoを提案する。 POntoはエコシステムの概念と関係を構造化した表現を提供し、プラットフォームを形式的に理解することを可能にする。 提案されたナレッジ指向のアプローチは、統合性とコミュニケーション性を高め、より広い範囲のユーザがエコシステムに参加し、AIベースのアプリケーションの開発を容易にすることを可能にする。
  論文  参考訳（メタデータ） (2023-08-01T17:34:30Z)
• Knowledge-augmented Risk Assessment (KaRA): a hybrid-intelligence framework for supporting knowledge-intensive risk assessment of prospect candidates [2.3311636727756055]
  多くの文脈において、確率の確率(PoS)を評価することは専門家の知識に大きく依存しており、しばしばバイアスと矛盾した評価につながる。 我々はこれらの問題に対処するためにKARAというフレームワークを開発した。 候補候補のリスクアセスメントプロセスを支援するために、構造化されたドメイン知識ベースの上に中小企業のフィードバックを考慮する複数のAI技術を組み合わせる。
  論文  参考訳（メタデータ） (2023-03-09T14:32:11Z)
• In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
  本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。 選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
  論文  参考訳（メタデータ） (2023-02-06T16:55:37Z)
• Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top exploration [53.122045119395594]
  マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。 $m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。 ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
  論文  参考訳（メタデータ） (2023-01-30T12:22:30Z)
• Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
  人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。 本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。 理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
  論文  参考訳（メタデータ） (2022-01-31T20:58:47Z)
• Identification of Subgroups With Similar Benefits in Off-Policy Policy Evaluation [60.71312668265873]
  我々は,パーソナライズの必要性と自信ある予測とのバランスをとる方法を開発した。 本手法は不均一な治療効果の正確な予測に有効であることを示す。
  論文  参考訳（メタデータ） (2021-11-28T23:19:12Z)
• MS-Ranker: Accumulating Evidence from Potentially Correct Candidates for Answer Selection [59.95429407899612]
  そこで我々は,MS-Ranker という,新しい強化学習に基づくマルチステップランキングモデルを提案する。 我々は、候補の潜在的な正しさを明示的に考慮し、ゲーティング機構で証拠を更新する。 我々のモデルは、外部リソースに依存しない既存の手法を著しく上回ります。
  論文  参考訳（メタデータ） (2020-10-10T10:36:58Z)

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。