Fugu-MT 論文翻訳(概要): fintech-kMC: Agent based simulations of financial platforms for design and testing of machine learning systems

論文の概要: fintech-kMC: Agent based simulations of financial platforms for design and testing of machine learning systems

arxiv url: http://arxiv.org/abs/2301.01807v1
Date: Wed, 4 Jan 2023 20:09:40 GMT
ステータス: 処理完了
システム内更新日: 2023-01-06 14:44:43.389310
Title: fintech-kMC: Agent based simulations of financial platforms for design and testing of machine learning systems
Title（参考訳）: fintech-kmc: 機械学習システムの設計とテストのための金融プラットフォームのエージェントベースシミュレーション
Authors: Isaac Tamblyn, Tengkai Yu, Ian Benlolo
Abstract要約: 機械学習モデルの開発とテストのための合成データを生成するためのシミュレーションツール-kMCについて論じる。 -kMCは、モンテカルロエンジンによって駆動されるエージェントベースのモデルである。
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: We discuss our simulation tool, fintech-kMC, which is designed to generate synthetic data for machine learning model development and testing. fintech-kMC is an agent-based model driven by a kinetic Monte Carlo (a.k.a. continuous time Monte Carlo) engine which simulates the behaviour of customers using an online digital financial platform. The tool provides an interpretable, reproducible, and realistic way of generating synthetic data which can be used to validate and test AI/ML models and pipelines to be used in real-world customer-facing financial applications.
Abstract（参考訳）: 機械学習モデルの開発とテストのための合成データを生成するためのシミュレーションツールであるfintech-kMCについて論じる。 fintech-kmcは、オンラインデジタル金融プラットフォームを使用して顧客の振る舞いをシミュレートするキネティックモンテカルロ(すなわち連続時間モンテカルロ)エンジンによって駆動されるエージェントベースのモデルである。このツールは、現実世界の金融アプリケーションで使用されるai/mlモデルとパイプラインの検証とテストに使用できる合成データを生成する、解釈可能で再現性があり、現実的な方法を提供する。

関連論文リスト

A Benchmark Time Series Dataset for Semiconductor Fabrication Manufacturing Constructed using Component-based Discrete-Event Simulation Models [0.0]
この研究はIntel半導体製造工場のベンチマークモデルに基づいている。時系列データセットは離散時間軌道を用いて構築される。データセットは、機械学習コミュニティで行動分析に利用することもできる。
論文参考訳（メタデータ） (2024-08-17T23:05:47Z)
STORM: Efficient Stochastic Transformer based World Models for Reinforcement Learning [82.03481509373037]
近年,モデルに基づく強化学習アルゴリズムは視覚入力環境において顕著な有効性を示している。本稿では,強力なモデリングと生成機能を組み合わせた効率的な世界モデルアーキテクチャであるTransformer-based wORld Model (STORM)を紹介する。 Stormは、Atari 100$kベンチマークで平均126.7%の人的パフォーマンスを達成し、最先端のメソッドの中で新しい記録を樹立した。
論文参考訳（メタデータ） (2023-10-14T16:42:02Z)
Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文参考訳（メタデータ） (2023-10-12T20:49:15Z)
Model Share AI: An Integrated Toolkit for Collaborative Machine Learning Model Development, Provenance Tracking, and Deployment in Python [0.0]
モデル共有AI(AIMS)は、コラボレーティブモデル開発、モデル前駆者追跡、モデルデプロイメントを合理化するように設計された、使いやすいMLOpsプラットフォームである。 AIMSは、協調的なプロジェクト空間と、見当たらない評価データに基づいてモデル提出をランク付けする標準化されたモデル評価プロセスを備えている。 AIMSでは、Scikit-Learn、Keras、PyTorch、ONNXで構築されたMLモデルを、ライブREST APIや自動生成されたWebアプリにデプロイすることができる。
論文参考訳（メタデータ） (2023-09-27T15:24:39Z)
Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2023-04-28T10:27:38Z)
Facilitating automated conversion of scientific knowledge into scientific simulation models with the Machine Assisted Generation, Calibration, and Comparison (MAGCC) Framework [0.0]
Machine Assisted Generation, Comparison, and Computational (MAGCC)フレームワークは、繰り返し発生する重要なステップとプロセスのマシンアシストと自動化を提供する。 MAGCCは、自然言語処理または既存の数学的モデルから抽出された知識抽出のためのシステムを橋渡しする。 MAGCCフレームワークは任意の科学領域をカスタマイズでき、今後は新たに開発されたコード生成AIシステムを統合する予定だ。
論文参考訳（メタデータ） (2022-04-21T19:30:50Z)
Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文参考訳（メタデータ） (2022-03-15T09:38:15Z)
Learning physics-informed simulation models for soft robotic manipulation: A case study with dielectric elastomer actuators [21.349079159359746]
柔らかいアクチュエータは、緩やかな握りや器用な動きといったロボット作業に対して安全かつ適応的なアプローチを提供する。このようなシステムを制御するための正確なモデルを作成することは、変形可能な物質の複雑な物理のために困難である。本稿では,微分可能シミュレータと有限要素法の利点を組み合わせたフレームワークを提案する。
論文参考訳（メタデータ） (2022-02-25T21:15:05Z)
Learning continuous models for continuous physics [94.42705784823997]
本研究では,科学技術応用のための機械学習モデルを検証する数値解析理論に基づくテストを開発する。本研究は,従来のMLトレーニング/テスト手法と一体化して,科学・工学分野におけるモデルの検証を行う方法である。
論文参考訳（メタデータ） (2022-02-17T07:56:46Z)
SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文参考訳（メタデータ） (2021-12-22T14:45:37Z)
How to Identify Investor's types in real financial markets by means of agent based simulation [0.0]
本論文では,主成分分析の基礎となる原理をエージェントベースシミュレーションで計算する手法を提案する。提案手法は、ターゲット金融時系列を近似または説明することができる投資家のモデルの減少セットを見つけることである。
論文参考訳（メタデータ） (2020-12-31T16:22:30Z)

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。