動的および不均一パラメータのためのエージェントベースモデルの自動キャリブレーションフレームワーク【JST・京大機械翻訳】

Kim Dongjun; Yun Tae-Sub; Moon Il-Chul; Bae Jang Won

プレプリント

J-GLOBAL ID：202202213240765401 整理番号：22P0299797

動的および不均一パラメータのためのエージェントベースモデルの自動キャリブレーションフレームワーク【JST・京大機械翻訳】

Automatic Calibration Framework of Agent-Based Models for Dynamic and Heterogeneous Parameters

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年03月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

エージェントベースモデル(ABMs)は,定性的顔検証や定量的経験的検証のようなシミュレーション検証の重要性を強調する。特に,ABMのシミュレーション入力パラメータを調整することによる定量的検証に焦点を当てた。本研究では,提案した動的および不均一キャリブレーション法を組み合わせた自動較正フレームワークを導入した。特に,動的較正は,シミュレーションパラメータを調整するための適切なシミュレーション時間を自動的に捉えることによって,実際のデータに対するシミュレーション結果に適合する。一方,不均一較正は,エージェント関連パラメータクラスタごとの調整によって,シミュレーションおよび実世界における個人間の分布的不一致を減少させる。【JST・京大機械翻訳】

, ,
, , 【Automatic Indexing@JST】

オペレーションズリサーチ一般 , 人工知能 , 計算機シミュレーション

, , , ,

前のページに戻る