机构名称：
¥ 1.0
我们表明，在基于代理的模型（ABMS）中，意见动力学的最大似然方法超出了典型的基于仿真的方法。基于仿真的方法会重复模拟模型，以寻找一组与观察到的数据相似的数据。相比之下，基于似然的方法得出了一种可能性函数，该函数将未知参数与观察到的数据以统计原则的方式连接到了观察到的数据。我们将这两种方法比较了众所周知的意见动力学模型。我们在数据可用性上增加复杂性的三种现实情况：（𝑖）完全观察到的意见和相互作用，（𝑖𝑖）部分观察到的相互作用，（𝑖𝑖𝑖）观察到与观点噪声代表的相互作用。为了实现基于可能性的方法，我们首先将模型投入到支持适当数据可能性的概率生成式的幌子中。然后，我们通过概率图形模型描述了三种情况，并显示了转化模型的细微差别。最后，我们在自动分化框架中实现了此类模型，从而可以通过差异下降来轻松有效地估算最大似然。这些基于可能性的估计值最高4倍，并且最多需要200倍的计算时间。
基于可能性的方法改善了意见动力学模型中的参数估计
主要关键词
相关文件推荐
