Bayesiaanse cellulaire automata — Probabilistische kalibratie van overgangsregels via Bayesiaanse inferentie
Bayesiaanse cellulaire automata (BCA) koppelen de ruimtelijke dynamiek van lokale regels van klassieke cellulaire automata aan Bayesiaanse inferentie om overgangswaarschijnlijkheden te leren of te kalibreren op basis van geobserveerde gegevens. In plaats van regels handmatig vast te leggen, codeert de analist voorkennis over hoe cellen van toestand veranderen en actualiseert deze overtuigingen met empirisch bewijs, wat resulteert in een posterieure verdeling over regelparameters die een gefundeerde, onzekerheidsbewuste simulatie aanstuurt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Hosseinali, F., Alesheikh, A. A., Nourian, F. (2013). Agent-based modeling of urban land-use development, case study: Simulating future scenarios of Qazvin city. Cities, 31, 105-113. DOI: 10.1016/j.cities.2012.09.002 ↗
- Cellular automaton. Wikipedia. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Cellular Automata — Probabilistic calibration of transition rules via Bayesian inference. ScholarGate. https://scholargate.app/nl/simulation/bayesian-cellular-automata
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Agent-Based Cellular AutomataSimulatie↔ compare
- Bayesian Agent-Based ModelingSimulatie↔ compare
- Bayesiaans MarkovmodelSimulatie↔ compare
- Markov ModelSimulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Stochastische Cellulaire AutomatenSimulatie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →