Цифровой двойникIndustrial AI and digital twins could help Vietnam escape assembly trapBáo VietNamNet · 21 чЦифровой двойникЦифровые двойники (Digital Twin) в инженерных системах — Часть 1. Управление документациейХабр · вчераЦифровой двойникПромышленный ИИ и цифровые двойники как путь Вьетнама к технологической самостоятельностиVietnam.vn · вчераЦифровой двойникDigital twins should be built for valueAVEVA · вчераМоделированиеБезопасное обучение с подкреплением связали с MPC и барьерными функциямиarXiv — Systems and Control (eess.SY) · вчераМоделированиеRAZeR: Representation Aware Zonotope ReductionarXiv — Systems and Control (eess.SY) · вчераМоделированиеВ России создали мультиагентную систему «Радар» для автоматизации закупочных процессовCNews · вчераМоделирование«Думейт» вывела агентное приложение из беты: российская альтернатива Claude CodeCNews · вчераЦифровой двойникСмена режимов киберфизических систем выдаёт чувствительные события через таймингиarXiv — Systems and Control (eess.SY) · вчераЦифровой двойникЦифровые двойники респондентов собирают из историй опросов компактные персоныarXiv — Computers and Society (cs.CY) · вчераЭнергетикаПоставки российского газа в Турцию по трубопроводам снизились на 18% за девять месяцевТАСС · вчераЦифровой двойникСтохастическое замыкание моделей обучают без прямых данных о потеряхarXiv API — полнотекстовый поиск "digital twin" · 2 дн
Адаптация нейросетевых оценщиков апостериорного распределения для агентных моделей
США и Запад ·
Агентные модели в экономике и социальных науках описывают неоднородное поведение и взаимодействия через симуляции, а их функция правдоподобия часто недоступна для оценки параметров. Работа рассматривает нейросетевой вывод без правдоподобия, в частности оценку апостериорного распределения нормализующими потоками, дающую амортизированный байесовский вывод. Отмечается, что предобученный оценщик может терять точность при смене целевой задачи, и обсуждается адаптация таких оценщиков.
Почему это важно
Повышает надёжность калибровки крупномасштабных агентных моделей при изменении условий задачи, что важно для прикладного прогнозирования.
Предложен фреймворк PECTS, в котором стохастическая динамика системы учится вероятностными нейросетями, а барьерные функции — сетями с липшицевыми ограничениями. Выученные барьерные ограничения встраиваются в задачу модельного прогнозирующего управления с учётом неопределённости модели. Это обеспечивает вероятностную безопасность при обучении в неизвестной среде.
arXiv:2611.17479v1 Announce Type: new Abstract: Reachability analysis is a popular technique for verifying the safety of a dynamical system under uncertainty, where the uncertainty is often represented by zonotopes.