論文の概要: Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic Population
- arxiv url: http://arxiv.org/abs/2304.12284v2
- Date: Thu, 16 May 2024 11:03:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-17 19:43:51.632007
- Title: Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic Population
- Title（参考訳）: Synthpop++: 国規模の合成人口を生成するためのハイブリッドフレームワーク
- Authors: Bhavesh Neekhra, Kshitij Kapoor, Debayan Gupta,
- Abstract要約: 人口調査は費用がかかり、時間がかかり、プライバシーの懸念も高まる可能性がある。
SynthPop++を導入し、複数の実世界のサーベイからのデータを組み合わせて、実スケールの合成人口を生成する。
実験の結果,インドにおける様々な行政単位の人口を人工的にシミュレートできることが示唆された。
- 参考スコア（独自算出の注目度）: 0.680303951699936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Population censuses are vital to public policy decision-making. They provide insight into human resources, demography, culture, and economic structure at local, regional, and national levels. However, such surveys are very expensive (especially for low and middle-income countries with high populations, such as India), time-consuming, and may also raise privacy concerns, depending upon the kinds of data collected. In light of these issues, we introduce SynthPop++, a novel hybrid framework, which can combine data from multiple real-world surveys (with different, partially overlapping sets of attributes) to produce a real-scale synthetic population of humans. Critically, our population maintains family structures comprising individuals with demographic, socioeconomic, health, and geolocation attributes: this means that our ``fake'' people live in realistic locations, have realistic families, etc. Such data can be used for a variety of purposes: we explore one such use case, Agent-based modelling of infectious disease in India. To gauge the quality of our synthetic population, we use both machine learning and statistical metrics. Our experimental results show that synthetic population can realistically simulate the population for various administrative units of India, producing real-scale, detailed data at the desired level of zoom -- from cities, to districts, to states, eventually combining to form a country-scale synthetic population.
- Abstract（参考訳）: 人口調査は公共政策決定に不可欠である。
人的資源、人口統計、文化、地域、地域、国家レベルでの経済構造に関する洞察を提供する。
しかし、こうした調査は非常に高価で(特にインドのような人口の多い低所得国や中所得国では)、時間を要するため、収集されたデータの種類によってプライバシー上の懸念も高まる可能性がある。
これらの問題を踏まえて、我々はSynthPop++という新しいハイブリッドフレームワークを紹介します。これは、複数の現実世界のサーベイ(属性の異なる部分的な重なり合うセット)のデータを組み合わせて、人間の実スケールの合成人口を生成することができるものです。
批判的に、我々の人口は人口統計、社会経済、健康、立地特性を持つ個人からなる家族構造を維持している。
このようなデータは,インドにおける感染症のエージェント・ベース・モデリングという,さまざまな目的で利用することができる。
人工人口の質を評価するために、機械学習と統計メトリクスの両方を使用します。
実験の結果, 人工人口はインドの様々な行政単位の人口を現実的にシミュレートし, 都市から地域, 州に至るまで, 望まれるズームレベルの詳細なデータを生成し, 最終的に国規模の人工人口を形成することができた。
関連論文リスト
- A multi-objective combinatorial optimisation framework for large scale hierarchical population synthesis [1.2233362977312945]
エージェントベースのシミュレーションでは、エージェントの合成集団は個人の構造、行動、相互作用を表現するために一般的に使用される。
大規模集団合成のための多目的最適化手法を提案する。
提案手法は, 個人と世帯間の複雑な階層構造をサポートし, 大規模に拡張可能であり, 連続表復元誤差の最小化を実現する。
論文 参考訳（メタデータ） (2024-07-03T15:01:12Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - Copula-based transferable models for synthetic population generation [1.370096215615823]
集団合成は、マイクロエージェントの標的集団の合成的かつ現実的な表現を生成することを含む。
従来の手法は、しばしばターゲットのサンプルに依存し、高いコストと小さなサンプルサイズのために制限に直面している。
本研究では,実験的辺縁分布のみが知られている対象個体群を対象とした合成データを生成するためのコプラに基づく新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-02-17T23:58:14Z) - Synthcity: facilitating innovative use cases of synthetic data in
different data modalities [86.52703093858631]
Synthcityは、MLフェアネス、プライバシ、拡張における合成データの革新的なユースケースのための、オープンソースのソフトウェアパッケージである。
Synthcityは、実践者に対して、合成データにおける最先端の研究とツールへの単一のアクセスポイントを提供する。
論文 参考訳（メタデータ） (2023-01-18T14:49:54Z) - A deep learning framework to generate realistic population and mobility
data [5.180648702293017]
国勢調査と家庭旅行調査のデータセットは、定期的に家庭や個人から収集されている。
これらのデータセットは、プライバシの懸念による人口の限られたサンプルを表すか、集約されることが多い。
本稿では,社会経済的特徴(年齢,性別,産業など)とトリップチェーン(活動場所)の両方を含む合成人口を生成する枠組みを提案する。
論文 参考訳（メタデータ） (2022-11-14T14:05:09Z) - Generating Synthetic Population [0.680303951699936]
インドのような国において,様々な行政レベルで合成人口を生成する方法を提案する。
この人工個体群は、インド国勢調査2011, IHDS-II, NSS-68th Round, GPWなどの調査データに応用された機械学習と統計手法を用いて作成されている。
論文 参考訳（メタデータ） (2022-09-20T19:31:39Z) - HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。
年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。
アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
論文 参考訳（メタデータ） (2021-12-23T22:27:55Z) - Census-Independent Population Estimation using Representation Learning [0.5735035463793007]
代替データを用いた国勢調査非依存の人口推定手法は、頻繁に信頼性の高い人口推定を局所的に提供することを約束している。
モザンビークにおける近年の表現学習手法について検討し,人口推定への表現の伝達可能性を評価する。
表現学習を使用することで、特徴が自動的に抽出されるため、人間の監督が不要になる。
得られた人口推計をGRID3, Facebook (HRSL) および WorldPop の既存人口製品と比較した。
論文 参考訳（メタデータ） (2021-10-06T15:13:36Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - Magnify Your Population: Statistical Downscaling to Augment the Spatial
Resolution of Socioeconomic Census Data [48.7576911714538]
重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。
選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。
本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
論文 参考訳（メタデータ） (2020-06-23T16:52:18Z)
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。