論文の概要: Model Families for Multi-Criteria Decision Support: A COVID-19 Case Study

• arxiv url: http://arxiv.org/abs/2306.13683v1
• Date: Thu, 22 Jun 2023 08:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 19:59:50.809831
• Title: Model Families for Multi-Criteria Decision Support: A COVID-19 Case Study
• Title（参考訳）: 多段階意思決定支援のためのモデル家族:COVID-19のケーススタディ
• Authors: Martin Bicher, Claire Rippinger, Christoph Urach, Dominik Brunmeir, Melanie Zechmeister, Niki Popper
• Abstract要約: 我々は1990年代まで遡るモデルファミリーの考え方を再評価することを目指している。 我々はこれを、大規模な研究プロジェクトにおける意思決定支援フレームワークの作成における考え方として推進するために使用します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continued model-based decision support is associated with particular challenges, especially in long-term projects. Due to the regularly changing questions and the often changing understanding of the underlying system, the models used must be regularly re-evaluated, -modelled and -implemented with respect to changing modelling purpose, system boundaries and mapped causalities. Usually, this leads to models with continuously growing complexity and volume. In this work we aim to reevaluate the idea of the model family, dating back to the 1990s, and use it to promote this as a mindset in the creation of decision support frameworks in large research projects. The idea is to generally not develop and enhance a single standalone model, but to divide the research tasks into interacting smaller models which specifically correspond to the research question. This strategy comes with many advantages, which we explain using the example of a family of models for decision support in the COVID-19 crisis and corresponding success stories. We describe the individual models, explain their role within the family, and how they are used - individually and with each other.
• Abstract（参考訳）: 継続的なモデルベースの意思決定サポートは、特に長期プロジェクトでは、特定の課題と関連付けられます。 定期的に変化する質問と、基礎となるシステムの理解が頻繁に変化するため、使用するモデルは、モデリングの目的やシステムの境界、マッピングされた因果関係の変更に関して、定期的に再評価され、モデル化され、実装されなければならない。 通常、これは複雑さとボリュームが継続的に増加するモデルにつながる。 本研究は,1990年代までさかのぼるモデルファミリーの考え方を再評価し,大規模研究プロジェクトにおける意思決定支援フレームワーク構築の考え方として活用することを目的としている。 一般に、単一のスタンドアロンモデルを開発し、拡張するのではなく、研究タスクを研究課題に特化して対応するより小さなモデルに分割する。 この戦略には多くの利点があり、covid-19危機とそれに対応するサクセスストーリーにおける意思決定支援のための一連のモデルの例を使って説明します。 個々のモデルを説明し、家族内での役割を説明し、それらがどのように使われているかを説明します。

関連論文リスト

• What Matters for Model Merging at Scale? [94.26607564817786]
  モデルマージは、複数の専門家モデルとより有能な単一モデルを組み合わせることを目的としている。 これまでの研究は主に、いくつかの小さなモデルをマージすることに焦点を当ててきた。 本研究は,大規模モデルマージの有用性を体系的に評価する。
  論文  参考訳（メタデータ） (2024-10-04T17:17:19Z)
• Mining Frequent Structures in Conceptual Models [2.841785306638839]
  本稿では,概念モデリング言語における頻繁な構造発見問題に対する一般的なアプローチを提案する。 我々は,頻繁な部分グラフマイニングアルゴリズムとグラフ操作手法を組み合わせる。 主な目的は、言語エンジニアのためのサポート施設を提供することである。
  論文  参考訳（メタデータ） (2024-06-11T10:24:02Z)
• What matters when building vision-language models? [52.8539131958858]
  我々は、80億のパラメータを持つ効率的な基礎的視覚言語モデルであるIdefics2を開発した。 Idefics2は、様々なマルチモーダルベンチマークで、そのサイズカテゴリ内で最先端のパフォーマンスを達成する。 トレーニング用に作成されたデータセットとともに、モデル(ベース、指示、チャット)をリリースします。
  論文  参考訳（メタデータ） (2024-05-03T17:00:00Z)
• Towards participatory multi-modeling for policy support across domains and scales: a systematic procedure for integral multi-model design [0.0]
  パンデミックのような複雑な課題に対する政策決定には、複数のドメインやスケールにまたがる複雑な影響を考慮する必要がある。 積分的マルチモデルは、既存の計算モデルから組み立てるか、概念的に全体を設計することができる。 本稿では、明確に定義されたドメイン知識の要求に基づいて、統合的なアプローチでマルチモデルを開発する手順を紹介する。
  論文  参考訳（メタデータ） (2024-02-09T07:35:40Z)
• Multimodal Composite Association Score: Measuring Gender Bias in Generative Multimodal Models [6.369985818712948]
  マルチモーダル・コンポジット・アソシエーション・スコア(MCAS)は,マルチモーダル・ジェネレーティブ・モデルにおいて,ジェンダーバイアスを測定する新しい手法である。 MCASは、様々なモダリティと様々な潜在的なバイアスを持つモデルの潜在的なバイアスを定量化する、アクセス可能でスケーラブルな方法である。
  論文  参考訳（メタデータ） (2023-04-26T22:53:31Z)
• Foundation Models for Decision Making: Problems, Methods, and Opportunities [124.79381732197649]
  大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。 ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。 基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
  論文  参考訳（メタデータ） (2023-03-07T18:44:07Z)
• Minimal Value-Equivalent Partial Models for Scalable and Robust Planning in Lifelong Reinforcement Learning [56.50123642237106]
  モデルに基づく強化学習における一般的な実践は、エージェントの環境のあらゆる側面をモデル化するモデルを学ぶことである。 このようなモデルは、生涯にわたる強化学習シナリオにおいて、スケーラブルで堅牢な計画を実行するのに特に適していない、と我々は主張する。 我々は,「最小値部分モデル」と呼ぶ,環境の関連する側面のみをモデル化する新しい種類のモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-24T16:40:01Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Consistency-based Merging of Variability Models [62.997667081978825]
  本稿では,コンテキストモデリングとコンフリクト検出の概念に基づく可変性モデル統合のアプローチを紹介する。 基礎となる概念と対応する性能分析の結果について述べる。
  論文  参考訳（メタデータ） (2021-02-15T16:28:42Z)
• Causal Interpretability for Machine Learning -- Problems, Methods and Evaluation [30.664546254344593]
  ほとんどの機械学習モデルはブラックボックスであり、それらがどのように決定されるかは明確ではない。 これらのモデルの意思決定プロセスに関する洞察を提供するため、様々な従来の解釈可能なモデルが提案されている。 この研究では、因果的疑問に答えようとするモデルを因果的解釈可能なモデルと呼ぶ。
  論文  参考訳（メタデータ） (2020-03-09T06:16:00Z)

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。