論文の概要: A New Approach to Overcoming Zero Trade in Gravity Models to Avoid Indefinite Values in Linear Logarithmic Equations and Parameter Verification Using Machine Learning

• arxiv url: http://arxiv.org/abs/2308.06303v1
• Date: Fri, 11 Aug 2023 14:08:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 18:01:02.966535
• Title: A New Approach to Overcoming Zero Trade in Gravity Models to Avoid Indefinite Values in Linear Logarithmic Equations and Parameter Verification Using Machine Learning
• Title（参考訳）: 線形対数方程式における不定値回避のための重力モデルにおけるゼロ貿易の克服と機械学習によるパラメータ検証
• Authors: Mikrajuddin Abdullah
• Abstract要約: 多くのゼロフロー取引の存在は、国際貿易を説明する重力パラメータの特定に挑戦し続けている。 本稿では, 重力パラメータを決定する2段階の手法を提案する。まず, 局所的に線形回帰を行い, 貿易フローゼロに代えてダミー値を確立し, 重力パラメータを推定する。 機械学習は、クラスタ内のそれらの位置を分析することによって、推定パラメータをテストするために使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The presence of a high number of zero flow trades continues to provide a challenge in identifying gravity parameters to explain international trade using the gravity model. Linear regression with a logarithmic linear equation encounters an indefinite value on the logarithmic trade. Although several approaches to solving this problem have been proposed, the majority of them are no longer based on linear regression, making the process of finding solutions more complex. In this work, we suggest a two-step technique for determining the gravity parameters: first, perform linear regression locally to establish a dummy value to substitute trade flow zero, and then estimating the gravity parameters. Iterative techniques are used to determine the optimum parameters. Machine learning is used to test the estimated parameters by analyzing their position in the cluster. We calculated international trade figures for 2004, 2009, 2014, and 2019. We just examine the classic gravity equation and discover that the powers of GDP and distance are in the same cluster and are both worth roughly one. The strategy presented here can be used to solve other problems involving log-linear regression.
• Abstract（参考訳）: 多数のゼロフロー取引の存在は、重力モデルを用いた国際貿易を説明するための重力パラメータの特定に挑戦し続けている。 対数線形方程式による線形回帰は対数貿易の不確定値に遭遇する。 この問題を解決するいくつかのアプローチが提案されているが、その多くは線形回帰に基づくものではなく、解を見つけるプロセスがより複雑になる。 本研究では,2段階の重力パラメータ決定手法を提案する。まず,貿易フローゼロの代わりにダミー値を確立するために局所的に線形回帰を行い,次に重力パラメータを推定する。 反復的手法は最適なパラメータを決定するために用いられる。 機械学習は、クラスタ内のそれらの位置を分析して推定パラメータをテストするために使用される。 2004年、2009年、2014年、2019年の国際貿易統計を計算した。 古典的な重力方程式を調べて、GDPと距離のパワーが同じクラスタにあり、どちらもほぼ1つの価値があることを発見する。 ここで提示される戦略は、ログ線形回帰に関わる他の問題を解決するために使用できる。

関連論文リスト

• Scaling Law for Stochastic Gradient Descent in Quadratically Parameterized Linear Regression [5.801904710149222]
  機械学習において、スケーリング法則は、モデルとデータサイズをスケールアップすることで、モデルパフォーマンスがどのように改善されるかを記述する。 本稿では,2次パラメータ化モデルを用いた線形回帰のスケーリング法則について検討する。 その結果、正準線形回帰では、特徴学習による一般化と不要な曲線と、パラメトリゼーション法とアルゴリズムに対する情報理論の下界との明確な分離が提供される。
  論文  参考訳（メタデータ） (2025-02-13T09:29:04Z)
• Mathematics of Digital Twins and Transfer Learning for PDE Models [49.1574468325115]
  偏微分方程式(PDE)によって支配される物理系のディジタル双対(DT)を定義する。 我々はKL-NN(Karhunen-Loeve Neural Network)サロゲートモデルと伝達学習(TL)を用いたDTを構築する。
  論文  参考訳（メタデータ） (2025-01-11T01:14:15Z)
• Laplace Transform Based Low-Complexity Learning of Continuous Markov Semigroups [22.951644463554352]
  本稿ではマルコフ半群の無限小生成器(IG)のスペクトル分解を通してマルコフ過程を学習するためのデータ駆動型アプローチを提案する。 物理インフォームドカーネルレグレッションを含む既存の技術は計算コストが高く、スコープが限られている。 本稿では,移動演算子のラプラス変換を特徴とするIGの分解能を利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-10-18T14:02:06Z)
• Linear Regression Using Quantum Annealing with Continuous Variables [0.0]
  ボソン系は離散近似に頼らずに線形回帰の最適化を容易にする。 我々の新しいアプローチの大きな利点は、断熱条件が満たされる限り、キュービット数を増やすことなく精度を確保することができることである。
  論文  参考訳（メタデータ） (2024-10-11T06:49:09Z)
• Deep Generative Symbolic Regression [83.04219479605801]
  記号回帰は、データから簡潔な閉形式数学的方程式を発見することを目的としている。 既存の手法は、探索から強化学習まで、入力変数の数に応じてスケールできない。 本稿では,我々のフレームワークであるDeep Generative Symbolic Regressionのインスタンス化を提案する。
  論文  参考訳（メタデータ） (2023-12-30T17:05:31Z)
• Gradient-based bilevel optimization for multi-penalty Ridge regression through matrix differential calculus [0.46040036610482665]
  我々は,l2-正則化を用いた線形回帰問題に対する勾配に基づくアプローチを導入する。 提案手法はLASSO, Ridge, Elastic Netレグレッションよりも優れていることを示す。 勾配の解析は、自動微分と比較して計算時間の観点からより効率的であることが証明されている。
  論文  参考訳（メタデータ） (2023-11-23T20:03:51Z)
• Identifying overparameterization in Quantum Circuit Born Machines [1.7259898169307613]
  量子回路Bornマシンのオーバーパラメータ化遷移の開始について,非逆勾配法を用いて学習した生成モデルについて検討する。 我々の結果は、これらのモデルのトレーニング可能性を完全に理解することは、未解決の問題であることを示している。
  論文  参考訳（メタデータ） (2023-07-06T21:05:22Z)
• Global Convergence of Over-parameterized Deep Equilibrium Models [52.65330015267245]
  ディープ均衡モデル(Deep equilibrium model, DEQ)は、入射を伴う無限深度重み付きモデルの平衡点を通して暗黙的に定義される。 無限の計算の代わりに、ルートフィンディングで直接平衡点を解き、暗黙の微分で勾配を計算する。 本稿では,無限深度重み付きモデルの非漸近解析における技術的困難を克服する新しい確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:00:13Z)
• Implicit Parameter-free Online Learning with Truncated Linear Models [51.71216912089413]
  パラメータフリーアルゴリズムは、設定された学習率を必要としないオンライン学習アルゴリズムである。 そこで我々は,「単純」なフレーバーを持つ新しい更新によって,切り離された線形モデルを活用できる新しいパラメータフリーアルゴリズムを提案する。 後悔の新たな分解に基づいて、新しい更新は効率的で、各ステップで1つの勾配しか必要とせず、切り捨てられたモデルの最小値をオーバーシュートすることはない。
  論文  参考訳（メタデータ） (2022-03-19T13:39:49Z)
• A Hypergradient Approach to Robust Regression without Correspondence [85.49775273716503]
  本稿では,入力データと出力データとの対応が不十分な回帰問題について考察する。 ほとんどの既存手法はサンプルサイズが小さい場合にのみ適用できる。 シャッフル回帰問題に対する新しい計算フレームワークであるROBOTを提案する。
  論文  参考訳（メタデータ） (2020-11-30T21:47:38Z)
• Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
  ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。 提案手法は,解の空間性を利用して高次元データにスケールする。
  論文  参考訳（メタデータ） (2020-02-20T18:43:42Z)

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。