ScholarGate
Ассистент
Process / pipelineSimulation / optimization

Байесовское моделирование на основе агентов — калибровка сложных симуляций с помощью байесовского вывода

Байесовское моделирование на основе агентов (Bayesian Agent-Based Modeling, BABM) интегрирует байесовский статистический вывод с агентным моделированием для калибровки параметров модели и количественной оценки неопределенности. Вместо того чтобы фиксировать правила агентов и параметры по предположению, этот подход рассматривает неизвестные параметры как вероятностные распределения и систематически обновляет их по отношению к наблюдаемым данным, получая полное апостериорное распределение для правдоподобных конфигураций модели.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Sunnaker, M., Busetto, A. G., Numminen, E., Corander, J., Foll, M., Dessimoz, C. (2013). Approximate Bayesian Computation. PLOS Computational Biology, 9(1), e1002803. DOI: 10.1371/journal.pcbi.1002803
  2. Grazzini, J., Richiardi, M. (2015). Estimation of agent-based models by simulated minimum distance. Journal of Economic Dynamics and Control, 51, 148-165. DOI: 10.1016/j.jedc.2014.10.006

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/ru/simulation/bayesian-agent-based-modeling

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.

Compare side by side

Упоминается в

ScholarGateBayesian Agent-Based Modeling (Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models). Получено 2026-06-15 из https://scholargate.app/ru/simulation/bayesian-agent-based-modeling · Набор данных: https://doi.org/10.5281/zenodo.20539026