.png){kind=icon}
返回
Agent-Based Models Assisted by Supervised Learning: A Proposal for Model Specification
.png){kind=icon}
OA
AI
DOI：10.3390/electronics12030495.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于主体的建模（ABM）因其能够在给定空间中直接表示异质性个体实体、其决策和相互作用而变得流行。随着不同领域数据量的增加，利用机器学习技术来支持这些模型的设计、实现和分析的机会也随之出现。大量且多样化的文献证明了这种共生关系的兴趣和益处，但也暴露出当前规范标准（如概述、设计概念和细节（ODD）协议）在涵盖这种多样性方面的不足，并因此导致其使用率低下。鉴于标准化规范对于可复现ABM的重要性，本文提出了对ODD协议的扩展，以提供机器学习（ML）在支持基于主体的建模中的应用的标准化描述。该扩展基于分类，这是对文献进行广泛但综合的回顾的结果，考虑了学习目的、学习过程执行的时刻、受学习影响的模型组件，以及学习中使用的算法和数据。所提出的ODD协议扩展允许ABM中机器学习工作流程的有序和透明沟通，促进其理解和在其他研究中的潜在复制。一个功能齐全的逃税基于主体模型的展示说明了所提出方法的应用，其中机器学习的采用导致误差在威尔科克森符号秩检验中具有统计显著性（p值为0.02）。此外，我们的分析提供了数值估计，揭示了惩罚和税率对逃税的强烈影响。未来的工作将考虑其他类型的学习应用，例如参数校准和ABM结果的分析。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息