• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Simulation Multi-Conference >BIG DATA, AGENTS, AND MACHINE LEARNING: TOWARDS A DATA-DRIVEN AGENT-BASED MODELING APPROACH
【24h】

BIG DATA, AGENTS, AND MACHINE LEARNING: TOWARDS A DATA-DRIVEN AGENT-BASED MODELING APPROACH

机译：大数据，代理和机器学习：朝着基于数据驱动的代理的建模方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We have recently witnessed the proliferation of large-scale behavioral data that can be used to empirically develop agent-based models (ABMs). Despite this opportunity, the literature has neglected to offer a structured agent-based modeling approach to produce agents or its parts directly from data. In this paper, we present initial steps towards an agent-based modeling approach that focuses on individual-level data to generate agent behavioral rules and initialize agent attribute values. We present a structured way to integrate Big Data and machine learning techniques at the individual agent-level. We also describe a conceptual use-case study of an urban mobility simulation driven by millions of geo-tagged Twitter social media messages. We believe our approach will advance the-state-of-the-art in developing empirical ABMs and conducting their validation. Further work is needed to assess data suitability, to compare with other approaches, to standardize data collection, and to serve all these features in near-real time.
机译：我们最近目睹了可以用于经验基于代理的模型（ABMS）的大规模行为数据的扩散。尽管有这个机会，但文献忽略了提供基于代理的基于代理的建模方法，以直接从数据产生代理或其部件。在本文中，我们展示了初始步骤朝着基于代理的建模方法，侧重于各个级别数据来生成代理行为规则和初始化代理属性值。我们提出了一种结构化方式来集成各个代理级别的大数据和机器学习技术。我们还描述了由数百万个地理标记的Twitter社交媒体消息驱动的城市移动性模拟的概念用法案例研究。我们相信我们的方法将在制定实证方面提出最先进的，并进行验证。需要进一步的工作来评估数据适用性，以与其他方法进行比较，以标准化数据收集，并在近实时服务所有这些功能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号