Bayesianske cellulære automater — Probabilistisk kalibrering av overgangsregler via Bayesiansk inferens
Bayesianske cellulære automater (BCA) kombinerer den lokal-regelbaserte romlige dynamikken til klassiske cellulære automater med Bayesiansk inferens for å lære eller kalibrere overgangssannsynligheter fra observerte data. I stedet for å fiksere regler manuelt, koder analytikeren forhåndskunnskap om hvordan celler endrer tilstand og oppdaterer disse overbevisningene med empirisk bevis, noe som resulterer i en posteriorfordeling over regelparametere som driver prinsipiell usikkerhetsbevisst simulering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Cellular Automata — Probabilistic calibration of transition rules via Bayesian inference. ScholarGate. https://scholargate.app/no/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 automataSimulering↔ compare
- Bayesiansk agentbasert modelleringSimulering↔ compare
- Bayesiansk Markov-modellSimulering↔ compare
- Markov-modellSimulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Stokastiske cellulære automaterSimulering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →