Fugu-MT 論文翻訳(概要): Applied metamodelling for ATM performance simulations

論文の概要: Applied metamodelling for ATM performance simulations

arxiv url: http://arxiv.org/abs/2308.03404v1
Date: Mon, 7 Aug 2023 08:46:10 GMT
ステータス: 処理完了
システム内更新日: 2023-08-08 14:34:07.366204
Title: Applied metamodelling for ATM performance simulations
Title（参考訳）: ATM性能シミュレーションのための応用メタモデリング
Authors: Christoffer Riis, Francisco N. Antunes, Tatjana Boli\'c, G\'erald Gurtner, Andrew Cook, Carlos Lima Azevedo, and Francisco C\^amara Pereira
Abstract要約: XALM(eXplainable Active Learning Metamodel)は、アクティブラーニングとSHAP値をシミュレーションメタモデルに統合するフレームワークである。 XALMはATMシミュレータにおける入力変数と出力変数の間の隠れた関係を効率的に発見する。ケーススタディでは、シミュレーションの解釈可能性の向上と変数相互作用の理解におけるXALMの有効性が示されている。
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: The use of Air traffic management (ATM) simulators for planing and operations can be challenging due to their modelling complexity. This paper presents XALM (eXplainable Active Learning Metamodel), a three-step framework integrating active learning and SHAP (SHapley Additive exPlanations) values into simulation metamodels for supporting ATM decision-making. XALM efficiently uncovers hidden relationships among input and output variables in ATM simulators, those usually of interest in policy analysis. Our experiments show XALM's predictive performance comparable to the XGBoost metamodel with fewer simulations. Additionally, XALM exhibits superior explanatory capabilities compared to non-active learning metamodels. Using the `Mercury' (flight and passenger) ATM simulator, XALM is applied to a real-world scenario in Paris Charles de Gaulle airport, extending an arrival manager's range and scope by analysing six variables. This case study illustrates XALM's effectiveness in enhancing simulation interpretability and understanding variable interactions. By addressing computational challenges and improving explainability, XALM complements traditional simulation-based analyses. Lastly, we discuss two practical approaches for reducing the computational burden of the metamodelling further: we introduce a stopping criterion for active learning based on the inherent uncertainty of the metamodel, and we show how the simulations used for the metamodel can be reused across key performance indicators, thus decreasing the overall number of simulations needed.
Abstract（参考訳）: 航空交通管理シミュレータ(atm)を計画や運用に使用するのは、そのモデリングの複雑さから困難である。本稿では,ATM意思決定を支援するためのシミュレーションメタモデルに,アクティブラーニングとSHAP値を統合する3段階のフレームワークであるXALM(eXplainable Active Learning Metamodel)を提案する。 XALMはATMシミュレータにおける入力変数と出力変数の間の隠れた関係を効率的に発見する。実験の結果,シミュレーションの少ないXGBoostメタモデルに匹敵するXALMの予測性能を示した。さらに、XALMは非アクティブ学習メタモデルよりも優れた説明能力を示す。航空機と乗客のATMシミュレーターである"Mercury"を用いて、XALMはパリのシャルル・ド・ゴール空港の現実のシナリオに適用され、到着マネージャの範囲と6変数を分析して範囲を広げる。このケーススタディは、シミュレーションの解釈可能性の向上と変数相互作用の理解におけるXALMの有効性を示す。計算の課題に対処し、説明可能性を改善することで、xalmは従来のシミュレーションに基づく分析を補完する。最後に,メタモデルの計算負担を軽減するための2つの実践的アプローチについて論じる。メタモデル固有の不確実性に基づくアクティブラーニングの停止基準を導入し,メタモデルに使用されるシミュレーションを重要な性能指標間で再利用する方法を示し,必要なシミュレーションの総数を削減する。

関連論文リスト

GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
On the limits of agency in agent-based models [13.130587222524305]
エージェントベースモデリングは複雑なシステムに対する強力な洞察を提供するが、その実用性は計算の制約によって制限されている。大規模言語モデル(LLM)の最近の進歩は、適応エージェントによるABMを強化する可能性があるが、大規模なシミュレーションへの統合は依然として困難である。大規模シミュレーションにおいて,行動複雑性と計算効率のバランスをとる手法であるLSMアーチタイプを提案する。
論文参考訳（メタデータ） (2024-09-14T04:17:24Z)
MetaOpenFOAM: an LLM-based multi-agent framework for CFD [11.508919041921942]
MetaOpenFOAMは、新しいマルチエージェントコラボレーションフレームワークである。入力として自然言語のみを用いてCFDシミュレーションタスクを完了することを目的としている。 MetaGPTのアセンブリラインパラダイムのパワーを利用する。
論文参考訳（メタデータ） (2024-07-31T04:01:08Z)
Learning Car-Following Behaviors Using Bayesian Matrix Normal Mixture Regression [17.828808886958736]
自動車追従(CF)の挙動は, 微視的交通シミュレーションにおいて重要である。堅牢性にもかかわらず、多くのデータ駆動方式は、解釈可能性に制限のある「ブラックボックス」として動作する。この研究は、CFの挙動に固有の特徴相関と時間的ダイナミクスを同時にキャプチャするベイズ行列正規混合回帰(MNMR)モデルを導入する。
論文参考訳（メタデータ） (2024-04-24T17:55:47Z)
Investigating the Robustness of Counterfactual Learning to Rank Models: A Reproducibility Study [61.64685376882383]
ランク付け学習(CLTR: Counterfactual Learning to rank)は、IRコミュニティにおいて、ログ化された大量のユーザインタラクションデータを活用してランキングモデルをトレーニングする能力において、大きな注目を集めている。本稿では,複雑かつ多様な状況における既存のCLTRモデルのロバスト性について検討する。その結果, DLAモデルとIPS-DCMは, PS-PBMやPSSよりも, オフラインの確率推定による堅牢性が高いことがわかった。
論文参考訳（メタデータ） (2024-04-04T10:54:38Z)
Bridging the Sim-to-Real Gap with Bayesian Inference [53.61496586090384]
データからロボットダイナミクスを学習するためのSIM-FSVGDを提案する。我々は、ニューラルネットワークモデルのトレーニングを規則化するために、低忠実度物理プリエンスを使用します。高性能RCレースカーシステムにおけるSIM-to-realギャップのブリッジ化におけるSIM-FSVGDの有効性を実証する。
論文参考訳（メタデータ） (2024-03-25T11:29:32Z)
CityFlowER: An Efficient and Realistic Traffic Simulator with Embedded Machine Learning Models [25.567208505574072]
CityFlowERは、効率的で現実的な都市交通シミュレーションのための高度なシミュレータである。シミュレータ内に機械学習モデルが組み込まれており、外部APIインタラクションの必要がなくなる。これは、特に大規模なシミュレーションにおいて、非並列な柔軟性と効率を提供する。
論文参考訳（メタデータ） (2024-02-09T01:19:41Z)
Learning to Simulate: Generative Metamodeling via Quantile Regression [2.2518304637809714]
我々は「シミュレーターの高速シミュレータ」を構築することを目的とした、生成メタモデリングと呼ばれる新しいメタモデリング概念を提案する。一度構築すると、生成メタモデルは入力が特定されるとすぐに大量のランダム出力を生成することができる。本稿では,QRGMM(quantile-regression-based generative metamodeling)という新しいアルゴリズムを提案し,その収束率と収束率について検討する。
論文参考訳（メタデータ） (2023-11-29T16:46:24Z)
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)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。

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。