論文の概要: Neural Network-Based Parameter Estimation of a Labour Market Agent-Based Model

• arxiv url: http://arxiv.org/abs/2602.15572v1
• Date: Tue, 17 Feb 2026 13:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.075191
• Title: Neural Network-Based Parameter Estimation of a Labour Market Agent-Based Model
• Title（参考訳）: 労働市場エージェントモデルに基づくニューラルネットワークによるパラメータ推定
• Authors: M Lopes Alves, Joel Dyer, Doyne Farmer, Michael Wooldridge, Anisoara Calinescu,
• Abstract要約: 本研究では,パラメータ推定にニューラルネットワーク(NN)を用いる,最先端のシミュレーションベース推論フレームワークを評価する。 このフレームワークは、ジョブ移行ネットワークに基づく、確立された労働市場エージェントベースモデリング(ABM)に適用される。
• 参考スコア（独自算出の注目度）: 1.7755852549928504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agent-based modelling (ABM) is a widespread approach to simulate complex systems. Advancements in computational processing and storage have facilitated the adoption of ABMs across many fields; however, ABMs face challenges that limit their use as decision-support tools. A significant issue is parameter estimation in large-scale ABMs, particularly due to computational constraints on exploring the parameter space. This study evaluates a state-of-the-art simulation-based inference (SBI) framework that uses neural networks (NN) for parameter estimation. This framework is applied to an established labour market ABM based on job transition networks. The ABM is initiated with synthetic datasets and the real U.S. labour market. Next, we compare the effectiveness of summary statistics derived from a list of statistical measures with that learned by an embedded NN. The results demonstrate that the NN-based approach recovers the original parameters when evaluating posterior distributions across various dataset scales and improves efficiency compared to traditional Bayesian methods.
• Abstract（参考訳）: エージェントベースモデリング(ABM)は、複雑なシステムをシミュレートする広範囲なアプローチである。 計算処理とストレージの進歩は多くの分野においてABMの採用を促進するが、ABMは意思決定支援ツールとしての使用を制限する課題に直面している。 重要な問題は、特にパラメータ空間を探索する際の計算上の制約のために、大規模ABMにおけるパラメータ推定である。 本研究では,パラメータ推定にニューラルネットワーク(NN)を用いる,最先端のシミュレーションベース推論(SBI)フレームワークを評価する。 この枠組みは、ジョブ・トランジション・ネットワークに基づく、確立された労働市場 ABM に適用される。 ABMは、合成データセットと実際のアメリカの労働市場から始まった。 次に,統計指標のリストから得られた要約統計と,組込みNNで学習した要約統計の有効性を比較した。 その結果,NNに基づく手法は,様々なデータセットスケールの後方分布を評価する際に元のパラメータを復元し,従来のベイズ手法と比較して効率を向上することを示した。

関連論文リスト

• Domain-driven Metrics for Reinforcement Learning: A Case Study on Epidemic Control using Agent-based Simulation [0.29360071145551064]
  本研究では、最先端のメトリクスを構築しながら、RLのためのドメイン駆動メトリクスを開発している。 結果は、いくつかの異なるシミュレーションシナリオにおいて、伝統的な、そして最先端のメトリクスと一緒にドメイン駆動の報酬を使うことを示しています。
  論文  参考訳（メタデータ） (2025-08-07T08:40:19Z)
• A novel sensitivity analysis method for agent-based models stratifies in-silico tumor spheroid simulations [0.0]
  エージェントベースモデル(ABM)は、個々の行動が集団行動にどのようにスケールするかを理解するために生物学で広く用いられている。 モデルは、モデル出力に対する入力パラメータの影響を定量化するために、感度分析(SA)アルゴリズムを使用する。 我々は,SA for ABMの高速化を目的とした機械学習パイプラインであるSimulate, Summarize, Reduce, Cluster, Analyze(SSRCA)方法論を開発した。
  論文  参考訳（メタデータ） (2025-05-30T19:12:45Z)
• Modèles de Substitution pour les Modèles à base d'Agents : Enjeux, Méthodes et Applications [0.0]
  エージェントベースモデル(ABM)は、局所的な相互作用から生じる創発的な現象を研究するために広く用いられている。 ABMの複雑さは、リアルタイム意思決定と大規模シナリオ分析の可能性を制限する。 これらの制限に対処するため、サロゲートモデルはスパースシミュレーションデータから近似を学習することで効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-05-17T08:55:33Z)
• Meta-Statistical Learning: Supervised Learning of Statistical Inference [59.463430294611626]
  この研究は、大きな言語モデル(LLM)の成功を駆動するツールと原則が、分散レベルのタスクに取り組むために再利用可能であることを実証している。 本稿では,統計的推論タスクを教師付き学習問題として再構成するマルチインスタンス学習に触発されたメタ統計学習を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:04:39Z)
• Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
  この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。 我々は推論プロセスを自動微分に適した最適化問題に変換する。 提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
  論文  参考訳（メタデータ） (2024-03-08T14:45:18Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution Detection [55.028065567756066]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。 本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。 バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。 We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
  論文  参考訳（メタデータ） (2022-06-26T16:00:22Z)
• Neural Networks for Parameter Estimation in Intractable Models [0.0]
  本稿では,最大安定過程からパラメータを推定する方法を示す。 モデルシミュレーションのデータを入力として使用し,統計的パラメータを学習するために深層ニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2021-07-29T21:59:48Z)

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。