論文の概要: A prototype hybrid prediction market for estimating replicability of
published work
- arxiv url: http://arxiv.org/abs/2303.00866v1
- Date: Wed, 1 Mar 2023 23:44:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 16:47:24.149356
- Title: A prototype hybrid prediction market for estimating replicability of
published work
- Title(参考訳): 出版物の複製性を推定するハイブリッド予測市場の試作
- Authors: Tatiana Chakravorti, Robert Fraleigh, Timothy Fritton, Michael
McLaughlin, Vaibhav Singh, Christopher Griffin, Anthony Kwasnica, David
Pennock, C. Lee Giles, Sarah Rajtmajer
- Abstract要約: 我々は,機械学習アルゴリズムとして人工予測市場を提案する先行作業に基づいて構築する。
人工予測市場では、訓練されたAIエージェントが将来のイベントの結果を購入し、販売する。
複製学習の結果を予測するために,試作型ハイブリッド市場を用いたパイロット研究を詳述する。
- 参考スコア(独自算出の注目度): 9.59326922088501
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present a prototype hybrid prediction market and demonstrate the avenue it
represents for meaningful human-AI collaboration. We build on prior work
proposing artificial prediction markets as a novel machine-learning algorithm.
In an artificial prediction market, trained AI agents buy and sell outcomes of
future events. Classification decisions can be framed as outcomes of future
events, and accordingly, the price of an asset corresponding to a given
classification outcome can be taken as a proxy for the confidence of the system
in that decision. By embedding human participants in these markets alongside
bot traders, we can bring together insights from both. In this paper, we detail
pilot studies with prototype hybrid markets for the prediction of replication
study outcomes. We highlight challenges and opportunities, share insights from
semi-structured interviews with hybrid market participants, and outline a
vision for ongoing and future work.
- Abstract(参考訳): 我々は,ハイブリッド予測市場のプロトタイプを紹介し,それが有意義な人間とAIのコラボレーションの道筋を示す。
人工予測市場を新しい機械学習アルゴリズムとして提案する先行作業に基づいて構築する。
人工予測市場では、訓練されたaiエージェントが将来のイベントの結果を売買する。
分類決定は、将来の出来事の結果とみなすことができ、したがって、所定の分類結果に対応する資産の価格を、その決定におけるシステムの信頼性の代案とすることができる。
ボットトレーダと一緒に、これらの市場に人間の参加者を組み込むことで、両方の洞察をまとめることができる。
本稿では,複製学習の結果を予測するために,プロトタイプハイブリッド市場を用いたパイロット研究について述べる。
課題と機会に注目し,ハイブリッド市場参加者との半構造化インタビューから得た洞察を共有し,現在および将来的な作業のビジョンを概説する。
関連論文リスト
- Generative Probabilistic Forecasting with Applications in Market
Operations [49.36371351795784]
本稿では,非パラメトリック時系列のWiener-Kallianpur革新表現から導かれる新しい生成確率予測手法を提案する。
生成人工知能のパラダイムの下で、提案された予測アーキテクチャは、非パラメトリック多変量ランダムプロセスを標準的イノベーションシーケンスに変換するオートエンコーダを含む。
自己エンコーダの入力-出力条件の確率分布に一致する独立かつ同一の分布列を制約する新しい深層学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-03-09T00:41:30Z) - Approaching Human-Level Forecasting with Language Models [34.202996056121]
我々は,言語モデル(LM)が競争力のある人間の予測能力のレベルで予測できるかどうかを検討した。
本研究では,関連する情報を自動的に検索し,予測を生成し,予測を集約する検索拡張型LMシステムを開発した。
論文 参考訳(メタデータ) (2024-02-28T18:54:18Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳(メタデータ) (2022-06-13T21:31:06Z) - A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。
人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。
本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
論文 参考訳(メタデータ) (2022-04-02T21:50:45Z) - M2I: From Factored Marginal Trajectory Prediction to Interactive
Prediction [26.49897317427192]
既存のモデルは単一エージェントの限界軌道の予測に優れているが、複数のエージェントに対してシーン準拠の軌道の予測を共同で行うことは、未解決の問題である。
本研究では,対話エージェント間の基礎となる関係を利用して,共同予測問題を限界予測問題に分解する。
提案手法はまず, 干渉剤を1対のインフルエンサーとリアクトルとに分類し, それぞれのインフルエンサーとリアクトルの軌跡を予測するために, 境界予測モデルと条件予測モデルを利用する。
論文 参考訳(メタデータ) (2022-02-24T03:28:26Z) - Machine Learning Classification Methods and Portfolio Allocation: An
Examination of Market Efficiency [3.3343612552681945]
我々は,OOS(Out-of-sample)予測可能性を通じて市場効率を評価する新しい枠組みを設計する。
我々は、資産価格問題を機械学習の分類問題とみなし、返却状態を予測するための分類モデルを構築した。
予測に基づくポートフォリオは、OOS経済の大幅な伸びで市場を圧倒した。
論文 参考訳(メタデータ) (2021-08-04T20:48:27Z) - Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
本稿では,人間の動作予測のための確率モデルを提案する。
我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。
我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
論文 参考訳(メタデータ) (2021-07-14T09:05:33Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳(メタデータ) (2021-06-22T18:29:58Z) - Estimating Fund-Raising Performance for Start-up Projects from a Market
Graph Perspective [58.353799280109904]
市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。
具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
論文 参考訳(メタデータ) (2021-05-27T02:39:30Z) - Multimodal Deep Generative Models for Trajectory Prediction: A
Conditional Variational Autoencoder Approach [34.70843462687529]
本研究では,人間の行動予測に対する条件付き変分オートエンコーダアプローチに関する自己完結型チュートリアルを提供する。
本チュートリアルの目的は,人間の行動予測における最先端の手法の分類をレビューし,構築することである。
論文 参考訳(メタデータ) (2020-08-10T03:18:27Z)
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。