論文の概要: Hybrid Forecasting of Geopolitical Events
- arxiv url: http://arxiv.org/abs/2412.10981v1
- Date: Sat, 14 Dec 2024 22:09:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 14:02:58.864122
- Title: Hybrid Forecasting of Geopolitical Events
- Title（参考訳）: 地政学的事象のハイブリッド予測
- Authors: Daniel M. Benjamin, Fred Morstatter, Ali E. Abbas, Andres Abeliuk, Pavel Atanasov, Stephen Bennett, Andreas Beger, Saurabh Birari, David V. Budescu, Michele Catasta, Emilio Ferrara, Lucas Haravitch, Mark Himmelstein, KSM Tozammel Hossain, Yuzhong Huang, Woojeong Jin, Regina Joseph, Jure Leskovec, Akira Matsui, Mehrnoosh Mirtaheri, Xiang Ren, Gleb Satyukov, Rajiv Sethi, Amandeep Singh, Rok Sosic, Mark Steyvers, Pedro A Szekely, Michael D. Ward, Aram Galstyan,
- Abstract要約: SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。
このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。
機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
- 参考スコア（独自算出の注目度）: 71.73737011120103
- License:
- Abstract: Sound decision-making relies on accurate prediction for tangible outcomes ranging from military conflict to disease outbreaks. To improve crowdsourced forecasting accuracy, we developed SAGE, a hybrid forecasting system that combines human and machine generated forecasts. The system provides a platform where users can interact with machine models and thus anchor their judgments on an objective benchmark. The system also aggregates human and machine forecasts weighting both for propinquity and based on assessed skill while adjusting for overconfidence. We present results from the Hybrid Forecasting Competition (HFC) - larger than comparable forecasting tournaments - including 1085 users forecasting 398 real-world forecasting problems over eight months. Our main result is that the hybrid system generated more accurate forecasts compared to a human-only baseline which had no machine generated predictions. We found that skilled forecasters who had access to machine-generated forecasts outperformed those who only viewed historical data. We also demonstrated the inclusion of machine-generated forecasts in our aggregation algorithms improved performance, both in terms of accuracy and scalability. This suggests that hybrid forecasting systems, which potentially require fewer human resources, can be a viable approach for maintaining a competitive level of accuracy over a larger number of forecasting questions.
- Abstract（参考訳）: 健全な意思決定は、軍事紛争から病気の発生まで、具体的な結果の正確な予測に依存している。
クラウドソースによる予測精度を向上させるため,人間と機械の予測を組み合わせたハイブリッド予測システムであるSAGEを開発した。
このシステムは、ユーザーがマシンモデルと対話し、客観的なベンチマークで判断を固定できるプラットフォームを提供する。
このシステムは、人間と機械の予測の重み付けを多用し、自信を過度に調整しながら評価されたスキルに基づいて集計する。
HFC(Hybrid Forecasting Competition)の結果は,8ヶ月で398件の現実の予測問題を予測する1085ユーザを含む,同等の予測トーナメントよりも大きい。
我々の主な成果は、マシンが生成した予測を持たない人間のみのベースラインと比較して、ハイブリッドシステムがより正確な予測を生成することである。
機械が生成した予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
また,アグリゲーションアルゴリズムに機械生成予測を組み込むことで,精度とスケーラビリティの両面で性能が向上することを示した。
これは、人的資源の少ないハイブリッド予測システムが、より多くの予測問題に対して競争力のある精度を維持するための有効なアプローチである可能性を示唆している。
関連論文リスト
- Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳（メタデータ） (2024-08-09T16:03:44Z) - Approaching Human-Level Forecasting with Language Models [34.202996056121]
我々は,言語モデル(LM)が競争力のある人間の予測能力のレベルで予測できるかどうかを検討した。
本研究では,関連する情報を自動的に検索し,予測を生成し,予測を集約する検索拡張型LMシステムを開発した。
論文 参考訳（メタデータ） (2024-02-28T18:54:18Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳（メタデータ） (2024-02-02T10:34:13Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Beyond S-curves: Recurrent Neural Networks for Technology Forecasting [60.82125150951035]
我々は機械学習と時系列予測の最近の進歩を生かしたオートコーダアプローチを開発した。
S曲線予測は、単純なARIMAベースラインに匹敵する平均パーセンテージ誤差(MAPE)を示す。
我々のオートエンコーダアプローチは、2番目に高い結果に対して平均13.5%改善する。
論文 参考訳（メタデータ） (2022-11-28T14:16:22Z) - A two-step machine learning approach to statistical post-processing of
weather forecasts for power generation [0.0]
風と太陽のエネルギー源は非常に揮発性があり、グリッドオペレーターの計画が困難である。
本研究では、アンサンブル天気予報の校正のための2段階の機械学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-07-15T16:38:14Z) - Random Forest of Epidemiological Models for Influenza Forecasting [7.050453841068465]
本稿では,ベースラインモデルSIkJalphaの個々の予測子を利用して,その性能を向上させるツリーアンサンブルモデルの設計を提案する。
我々は、ランダムフォレストに基づくアプローチが、平均絶対誤差、カバレッジ、重み付き間隔スコアの観点から、個々の予測者の予測を改善することを実証した。
論文 参考訳（メタデータ） (2022-06-17T18:47:40Z) - Computing the ensemble spread from deterministic weather predictions
using conditional generative adversarial networks [0.0]
本稿では,深層学習アルゴリズムを用いて,アンサンブル予測システムの統計的特性を学習することを提案する。
訓練が終わると、将来のアンサンブル予測を得るためには、コストのかかるアンサンブル予測システムがもはや不要になる。
論文 参考訳（メタデータ） (2022-05-18T19:10:38Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - Calibration of wind speed ensemble forecasts for power generation [0.0]
過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。
そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。
生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
論文 参考訳（メタデータ） (2021-04-30T11:18:03Z)
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。