Fugu-MT 論文翻訳(概要): PAMS: Platform for Artificial Market Simulations

論文の概要: PAMS: Platform for Artificial Market Simulations

arxiv url: http://arxiv.org/abs/2309.10729v1
Date: Tue, 19 Sep 2023 16:14:21 GMT
ステータス: 処理完了
システム内更新日: 2023-09-20 13:31:40.818514
Title: PAMS: Platform for Artificial Market Simulations
Title（参考訳）: PAMS:人工市場シミュレーションのためのプラットフォーム
Authors: Masanori Hirano, Ryosuke Takata, Kiyoshi Izumi
Abstract要約: PAMSはPythonベースのシミュレータで、ディープラーニングと簡単に統合できる。本稿では,深層学習による将来の価格予測エージェントを用いたPAMSの有効性を実証する。
参考スコア（独自算出の注目度）: 3.3530300948605807
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a new artificial market simulation platform, PAMS: Platform for Artificial Market Simulations. PAMS is developed as a Python-based simulator that is easily integrated with deep learning and enabling various simulation that requires easy users' modification. In this paper, we demonstrate PAMS effectiveness through a study using agents predicting future prices by deep learning.
Abstract（参考訳）: 本稿では,新しい市場シミュレーションプラットフォームであるPAMS: Platform for Artificial Market Simulationsを提案する。 PAMSはPythonベースのシミュレータとして開発されており、ディープラーニングと容易に統合でき、ユーザが容易に修正できる様々なシミュレーションを可能にする。本稿では,深層学習による将来の価格予測エージェントを用いたPAMSの有効性を実証する。

関連論文リスト

DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文参考訳（メタデータ） (2024-06-04T04:53:05Z)
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)
fintech-kMC: Agent based simulations of financial platforms for design and testing of machine learning systems [0.0]
機械学習モデルの開発とテストのための合成データを生成するためのシミュレーションツール-kMCについて論じる。 -kMCは、モンテカルロエンジンによって駆動されるエージェントベースのモデルである。
論文参考訳（メタデータ） (2023-01-04T20:09:40Z)
DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality [64.51295032956118]
我々は人型ロボットの手で頑健な操作を行える政策を訓練する。本研究は,各種ハードウェアおよびシミュレータのデクスタラス操作におけるsim-to-real転送の可能性を再確認する。
論文参考訳（メタデータ） (2022-10-25T01:51:36Z)
From Multi-agent to Multi-robot: A Scalable Training and Evaluation Platform for Multi-robot Reinforcement Learning [12.74238738538799]
マルチエージェント強化学習(MARL)は、過去数十年間、学術や産業から広く注目を集めてきた。これらの手法が実際のシナリオ、特にマルチロボットシステムでどのように機能するかは未だ分かっていない。本稿では,マルチロボット強化学習(MRRL)のためのスケーラブルなエミュレーションプラットフォームSMARTを提案する。
論文参考訳（メタデータ） (2022-06-20T06:36:45Z)
VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文参考訳（メタデータ） (2021-11-23T18:58:10Z)
Robot Learning from Randomized Simulations: A Review [59.992761565399185]
ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
論文参考訳（メタデータ） (2021-11-01T13:55:41Z)
Data-Driven Simulation of Ride-Hailing Services using Imitation and Reinforcement Learning [1.5293427903448025]
本稿では,配車サービスにおけるユーザ,特にドライバの振る舞いを模倣し,予測する枠組みを提案する。データ駆動型ハイブリッド強化学習と模倣学習アプローチを使っています。私たちのフレームワークは、配車プラットフォームがプラットフォーム固有のパラメータを実験してドライバーの行動パターンを予測するための理想的な遊び場を提供します。
論文参考訳（メタデータ） (2021-04-06T16:49:26Z)
A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文参考訳（メタデータ） (2020-11-17T22:24:26Z)

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。