Mar, 2022

动态和异质参数的基于 Agent 的模型自动校准框架

PDF
TL;DR本研究介绍了一种自动校准框架，将动态校准和异质校准方法结合起来，动态校准通过自动捕捉适当的模拟时间来调整模拟参数，而异质校准通过聚类方式调整与代理有关的参数，从而缩小模拟和实际群体之间的分布差距。
agent-based modelssimulation validationcalibration frameworkdynamic calibrationheterogeneous calibration
发现论文，激发创造
  • 经济代理人基于模型校准方法的比较

    该研究使用计算实验通过比较多种普遍使用的代理模型定值方法，发现贝叶斯估计法优于频率学派、基于目标函数的方法，并提出需要进一步研究定值方法的未来方向。

    Feb, 2019

  • 可微分基于代理的模型校准面临的挑战

    本文讨论了代理模型（ABMs）的不同陷阱以及对应的解决方案，旨在解决该方法在实践中的困难。

    Jul, 2023

  • 利用机器学习代理进行代理模型校准

    本文提出了一种新的方法，将监督机器学习和智能抽样结合起来，构建一个代理元模型来探索代理模型中的参数空间和校准。这种方法提供了一种快速而准确的模型行为近似方法，大大降低了计算时间，并有助于获取有关代理模型复杂运作的洞见。

    Mar, 2017

  • 使用图神经网络将基于代理的模型校准到微观数据

    该研究提出了使用时间图神经网络直接学习与微观数据相关的参数后验概率的方法，以进行 Bayesian 推断，并通过使用原始 ABM 微状态作为输出，提供高度引人入胜的归纳偏差。

    Jun, 2022

  • 可微分代理模型的贝叶斯校准

    本文介绍了一种使用广义变分推断过程提供免疫缺陷鲁棒的贝叶斯参数推断的方法，以解决可微分 ABMs 的近似贝叶斯推断技术问题，并通过对 COVID-19 流行病的可微分 ABM 实验验证其准确性和未来工作的方向。

    May, 2023

  • 基于随机森林的贝叶斯校准随机代理模型

    该研究使用基于随机森林的代理模型技术加速评估传染病流行模型，并通过 Markov 链蒙特卡罗方法对一种名为 CityCOVID 的流行病学模型进行校准，以提高其预测性能。

    Jun, 2024

  • 可微分的基于代理的流行病学

    本篇论文介绍了一种新的可扩展，快速且可微分的 ABM 设计，即 GradABM。通过广泛的实验，我们证明了 GradABM 的有效性。

    Jul, 2022

  • 贝叶斯自适应校准与最优设计

    这篇论文介绍了一种基于贝叶斯自适应实验设计的数据高效算法，用于校准自然现象的计算机模型，并展示了该方法在人工合成数据和真实数据问题中相比其他方法的优势。

    May, 2024

  • 结合搜索策略提高经济代理模型校准的性能

    本论文主要介绍了在经济学和金融领域中，针对大规模参数空间内的代理模型（ABMs）进行校准的方法，对基于随机森林代理的方法进行基准测试并提出了一种采用强化学习机制策略以在模型校准期间自动选择和组合搜索方法的方案，该方案不依赖任何先前的信息或试错过程。

    Feb, 2023

  • 制造业自动视觉检测中的主动学习和新模型校准测量

    本研究比较了三种主动学习方法和视觉检测，提出了六个新的指标来评估校准质量，并探讨了现有校准器是否能通过利用近似基准事实来扩大校准集合来提高性能。研究结果表明，即使在达到 0.95 的阈值时，探索的主动学习设置也可以将数据标注工作量减少三到四个百分点，并且不会损害整体质量目标。此外，研究结果表明，建议的校准指标成功捕获相关信息，无需获取基准事实数据，可以用于估计模型概率校准的质量。

    Sep, 2022