論文の概要: GEPOC Parameters -- Open Source Parametrisation and Validation for Austria, Version 2.0

• arxiv url: http://arxiv.org/abs/2511.00048v1
• Date: Tue, 28 Oct 2025 10:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.539002
• Title: GEPOC Parameters -- Open Source Parametrisation and Validation for Austria, Version 2.0
• Title（参考訳）: GEPOCパラメータ - オーストリアのオープンソースパラメタと検証、バージョン2.0
• Authors: Martin Bicher, Maximilian Viehauser, Daniele Giannandrea, Hannah Kastinger, Dominik Brunmeir, Claire Rippinger, Christoph Urach, Niki Popper,
• Abstract要約: この研究には、オーストリアのモデルパラメータの計算のためのデータ処理手法の完全な記述が含まれている。 この文書は、最も重要なGEPOCモデルであるGEPOC ABMのパラメータの計算に特に重点を置いている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: GEPOC, short for Generic Population Concept, is a collection of models and methods for analysing population-level research questions. For the valid application of the models for a specific country or region, stable and reproducible data processes are necessary, which provide valid and ready-to-use model parameters. This work contains a complete description of the data-processing methods for computation of model parameters for Austria, based exclusively on freely and publicly accessible data. In addition to the description of the source data used, this includes all algorithms used for aggregation, disaggregation, fusion, cleansing or scaling of the data, as well as a description of the resulting parameter files. The document places particular emphasis on the computation of parameters for the most important GEPOC model, GEPOC ABM, a continuous-time agent-based population model. An extensive validation study using this particular model was made and is presented at the end of this work.
• Abstract（参考訳）: GEPOC(ジェネリック・ポピュレーション・コンセプト、ジェネリック・ポピュレーション・コンセプト、ジェネリック・ポピュレーション・コンセプト、英: Generic Population Concept)は、集団レベルの研究問題を分析するためのモデルと手法の集合体である。 特定の国や地域のモデルの有効な適用には、安定的で再現可能なデータプロセスが必要である。 この研究には、オーストリアのモデルパラメータの計算のためのデータ処理手法の完全な記述が含まれている。 使用されるソースデータの記述に加えて、これは集約、分解、融合、データのクリーニング、スケーリングに使用されるすべてのアルゴリズムと、結果のパラメータファイルの記述を含む。 この文書は、最も重要なGEPOCモデルであるGEPOC ABMのパラメータの計算に特に重点を置いている。 この特定のモデルを用いた広範囲な検証研究を行い、この研究の最後に提示する。

関連論文リスト

• Model Correlation Detection via Random Selection Probing [62.093777777813756]
  既存の類似性に基づく手法では、モデルパラメータにアクセスしたり、しきい値なしでスコアを生成する必要がある。 本稿では,モデル相関検出を統計的テストとして定式化する仮説テストフレームワークであるランダム選択探索(RSP)を紹介する。 RSPは相関の証拠を定量化する厳密なp-値を生成する。
  論文  参考訳（メタデータ） (2025-09-29T01:40:26Z)
• A Survey on Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, and Beyond [53.56796220109518]
  異なるユースケースは、実際に有用な異なる要件を満たすために合成データを要求する。 合成データの実用性、合成データのドメイン固有の知識との整合性、実際のデータ分布と比較しての合成データ分布の統計的忠実度、プライバシ保護能力の4つの要件をレビューする。 今後の分野の方向性と、現在の評価方法を改善する機会について論じる。
  論文  参考訳（メタデータ） (2025-03-07T21:47:11Z)
• A Federated Data Fusion-Based Prognostic Model for Applications with Multi-Stream Incomplete Signals [1.2277343096128712]
  本稿では、複数のユーザが共同で障害時間予測モデルを構築することができるフェデレーション予測モデルを提案する。 数値解析により,提案モデルの性能は古典的非フェデレーション予測モデルと同一であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-13T17:08:34Z)
• The Interpolating Information Criterion for Overparameterized Models [49.283527214211446]
  補間情報基準(Interpolating Information Criterion)は,モデル選択に事前選択を自然に取り入れたモデル品質の尺度であることを示す。 我々の新しい情報基準は、モデルの事前の誤特定、幾何学的およびスペクトル的特性を考慮に入れており、既知の経験的および理論的挙動と数値的に一致している。
  論文  参考訳（メタデータ） (2023-07-15T12:09:54Z)
• PAMI: partition input and aggregate outputs for model interpretation [69.42924964776766]
  本研究では、深層学習モデルが局所的な特徴を集約してモデル予測を行うという観察に基づいて、PAMIと呼ばれるシンプルで効果的な可視化フレームワークを提案する。 基本的な考え方は、入力の大多数を隠蔽し、元のモデル予測に対する保存された入力部の相対的な寄与として対応するモデル出力を使用することである。 複数のタスクに対する大規模な実験により,提案手法は,クラス固有の入力領域をより正確に見つけるために,既存の可視化手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2023-02-07T08:48:34Z)
• Discover, Explanation, Improvement: An Automatic Slice Detection Framework for Natural Language Processing [72.14557106085284]
  スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。 本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。 評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
  論文  参考訳（メタデータ） (2022-11-08T19:00:00Z)
• Feature Selection using e-values [4.3512163406552]
  教師付きパラメトリックモデルの文脈でe値の概念を導入する。 一般的な条件下では、e-値の階数順序は、すべての本質的特徴を含むモデルと、そうでないものとを分離する。 データ深度と高速再サンプリングに基づくアルゴリズムを用いて,e値を用いた特徴選択手法を実装した。
  論文  参考訳（メタデータ） (2022-06-11T01:34:29Z)
• Learning Summary Statistics for Bayesian Inference with Autoencoders [58.720142291102135]
  我々は,ディープニューラルネットワークに基づくオートエンコーダの内部次元を要約統計として利用する。 パラメータ関連情報を全て符号化するエンコーダのインセンティブを作成するため,トレーニングデータの生成に使用した暗黙的情報にデコーダがアクセスできるようにする。
  論文  参考訳（メタデータ） (2022-01-28T12:00:31Z)
• Federated Gaussian Process: Convergence, Automatic Personalization and Multi-fidelity Modeling [4.18804572788063]
  textttFGPRは、プライバシー保護のための多要素データモデリングにおいて有望なアプローチであることを示す。 textttFGPRは幅広いアプリケーションで優れており、プライバシー保護のための多要素データモデリングにおいて有望なアプローチであることを示す。
  論文  参考訳（メタデータ） (2021-11-28T00:17:31Z)
• PSD2 Explainable AI Model for Credit Scoring [0.0]
  本研究の目的は、信用リスクモデルの予測精度を向上させるための高度な分析手法の開発と試験である。 このプロジェクトは、銀行関連のデータベースに説明可能な機械学習モデルを適用することに焦点を当てている。
  論文  参考訳（メタデータ） (2020-11-20T12:12:38Z)

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。