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
- 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) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - GPT-Based Models Meet Simulation: How to Efficiently Use Large-Scale
Pre-Trained Language Models Across Simulation Tasks [0.0]
本稿では,科学シミュレーションにおける大規模事前学習言語モデルの利用に関する最初の研究である。
最初の課題は参加者の関与を促進する概念モデルの構造を説明することである。
第2のタスクはシミュレーション出力の要約に重点を置いており、モデルユーザーが望ましいシナリオを識別できるようにしている。
第3の課題は、シミュレーションの可視化の洞察をテキストで伝えることによって、シミュレーションプラットフォームへのアクセシビリティの拡大を目指している。
論文 参考訳(メタデータ) (2023-06-21T15:42:36Z) - Meta-Learning for Airflow Simulations with Graph Neural Networks [3.52359746858894]
本稿では,OoD(Out-of-distribution)サンプルにおける学習モデルの性能向上のためのメタラーニング手法を提案する。
具体的には,各気翼上のCFD内の気流シミュレーションをメタラーニング問題として設定し,一つの気翼形状で定義された各例を個別のタスクとして扱う。
学習モデルのOoD一般化性能向上のための提案手法の有効性を実験的に検証した。
論文 参考訳(メタデータ) (2023-06-18T19:25:13Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-17T00:26:31Z) - Efficient Model-based Multi-agent Reinforcement Learning via Optimistic
Equilibrium Computation [93.52573037053449]
H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。
自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
論文 参考訳(メタデータ) (2022-03-14T17:24:03Z) - KNODE-MPC: A Knowledge-based Data-driven Predictive Control Framework
for Aerial Robots [5.897728689802829]
我々は、知識に基づくニューラル常微分方程式(KNODE)というディープラーニングツールを用いて、第一原理から得られたモデルを拡張する。
得られたハイブリッドモデルは、名目上の第一原理モデルと、シミュレーションまたは実世界の実験データから学習したニューラルネットワークの両方を含む。
閉ループ性能を改善するため、ハイブリッドモデルはKNODE-MPCとして知られる新しいMPCフレームワークに統合される。
論文 参考訳(メタデータ) (2021-09-10T12:09:18Z) - 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。