Jun, 2024

基于随机森林的贝叶斯校准随机代理模型

PDF
TL;DR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。
agent-based modelsepidemiologyrandom forestcalibrationcovid-19
发现论文，激发创造
  • 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

  • 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

  • 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

  • 一个基于人工智能的代理模型及其在新西兰麻疹爆发模拟中的应用

    利用最新的人工智能技术和传统的基于代理的模型，该研究通过耦合图神经网络（GNN）和长短期记忆（LSTM）网络，开发了一种张量化且可微分的基于代理的模型，用于研究 2019 年发生在新西兰的麻疹爆发，展示了在重复发病期间准确模拟爆发动态的有希望的能力，从而帮助我们在制定应对爆发和最大限度减少对日常生活干扰的有效策略时做出更明智的决策。

    Mar, 2024

  • 推进社会和健康计算科学中代理模型现状的先进替代方法的有前景且值得尝试的未来方向

    该研究论文介绍了模型分析工具在实际大规模 ABMs（基于代理的模型）中的执行和运行性能问题，并提出了一些适用于非线性动力模型的替代模型，这些方法在社会健康计算科学领域尚未得到广泛运用，但在建立 ABMs 的替代模型方面可能是有用的。

    Mar, 2024

  • 动态和异质参数的基于 Agent 的模型自动校准框架

    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。

    Mar, 2022

  • 基于接受控制措施的病毒蔓延的代理模型模拟

    通过结合改进的 SEIRD 模型和公民决策模型，本研究提出了一个基于 Agent-Based Modeling (ABM) 的架构，可用于分析社会中病毒感染的演变过程，考虑到传染病防控措施的接受与拒绝对病毒传播的影响。

    Jul, 2023

  • 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

  • 动力系统中参数推断和模型选择的近似贝叶斯计算方案

    本文提出一种基于序贯蒙特卡罗近似贝叶斯计算的方法，用于评估后验分布并推断动态模型的参数，可适用于多种生物系统的参数推断、灵敏度分析和模型选择，此方法比其他近似贝叶斯计算方法表现更好。

    Jan, 2009