Цифровой двойникЦифровой двойник ускоряет обучение роботов в лабораторииarXiv API — полнотекстовый поиск "digital twin" · вчераЦифровой двойникДатасет для выбора между сбором данных и действием при авариях в АСУ ТПarXiv — Computational Engineering, Finance, and Science (cs.CE) · вчераЦифровой двойникРазреженные стохастические двойники могут превосходить точные моделиarXiv — Computational Engineering, Finance, and Science (cs.CE) · вчераМоделированиеПлюрализм конкурирующих моделей в сетевых моделях наукиarXiv — Multiagent Systems (cs.MA) · вчераПрогнозированиеОценивание и MPC для баланса колёсно-ногого робота при неизвестных возмущенияхarXiv — Systems and Control (eess.SY) · вчераЦифровой двойникСвод разрозненных данных сетевой компании в цифровой двойник распредсетиarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникИнтеграция машинного обучения и оценки неопределённости для решений в реальном времени в цифровых двойникахarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникСмещения в сквозных цифровых двойниках из цепочки моделейarXiv API — полнотекстовый поиск "digital twin" · вчераЦифровой двойникРаспределённые бандиты для свежести данных в цифровых двойниках на периферииarXiv API — полнотекстовый поиск "digital twin" · вчераМоделированиеАгентная модель переноса знаний между научными сообществамиarXiv — Multiagent Systems (cs.MA) · 2 днЦифровой двойникСемантическая совместимость связанных цифровых двойников: обзорarXiv — Systems and Control (eess.SY) · 2 днЦифровой двойникКалибровка симуляции на синтетических персонах по реальным даннымarXiv — Computers and Society (cs.CY) · 2 дн
Нейросетевая оценка параметров агентной модели рынка труда
США и Запад ·
Исследование применяет современный метод симуляционного вывода на основе нейросетей для оценки параметров агентной модели рынка труда. Модель опирается на сети переходов между рабочими местами и использует как синтетические данные, так и реальные данные рынка труда США. Подход направлен на преодоление вычислительных ограничений при исследовании пространства параметров.
Почему это важно
Метод важен для практического использования агентных моделей в поддержке принятия решений, так как позволяет калибровать сложные модели на реальных данных.
Заголовок оригинала
Neural Network-Based Parameter Estimation of a Labour Market Agent-Based Model
Авторы предлагают теоретическую и экспериментальную модель, сравнивающую сообщества агентов, которые удерживают конкурирующие теории параллельно, с сообществами, сводящими всё услышанное к единственной модели. Работа опирается на идею теоретического плюрализма Фейерабенда о том, что сосуществование несовместимых теорий помогает науке работать.
Представлена агентная модель Scientific Liquidity Agents, где специалисты и посредники обмениваются идеями и методами в общей среде исследовательских задач. Решения отдельных агентов связываются с коллективным состоянием через архитектуру убеждений-желаний-намерений, граф задач с предпосылками и динамическую сеть взаимодействий. Модель описывает, как знание получает новые применения при переходе между контекстами.
Бывший CEO Google Эрик Шмидт советует предпринимателям сосредоточиться на агентном искусственном интеллекте. Он называет текущий момент «агентным периодом» и утверждает, что гонка больших языковых моделей (LLM) выходит на зрелую стадию, а гонка ИИ-агентов только начинается.
