基于機器學習替代模型分析的主體模型參數(shù)空間搜索及校準

摘要： 基于主體的建模方法是研究復雜系統(tǒng)的有效方法。
為了更為有效地描述真實系統(tǒng)的涌現(xiàn)行為,主體建模往往包含大量需要驗證的參數(shù),導致由于參數(shù)膨脹所引起的維數(shù)災害問題越發(fā)突出,這給一般研究者的工作帶來了困難,也導致對主體模型的適用性和解釋能力提出了懷疑。
為解決這一難題,提出了一種將機器學習和智能采樣相結合的替代分析方法,在計算成本和數(shù)據(jù)容量有限的條件下顯著地提升了參數(shù)估計效率。 （共10頁）