PulseAugur
实时 08:30:57
English(EN) Black box behavioural modelling: Predicting human activity schedules with a deep conditional generative approach

新型ActVAE模型生成逼真的人类活动日程

研究人员开发了ActVAE,一种新颖的深度条件生成机器学习方法,旨在模拟复杂的人类活动日程。该方法可以根据年龄、收入和公共交通可达性等个人、家庭和日程特定信息生成精确、逼真且多样化的日程。该方法旨在用于基于活动的建模框架,并已在联合密度估计框架内与基线模型进行了评估,突显了其捕捉人类行为固有随机性的能力。 AI

影响 该模型可以通过更好地模拟人类行为来提高交通和城市规划中需求建模的准确性。

排序理由 该集群描述了一篇详细介绍新颖机器学习模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型ActVAE模型生成逼真的人类活动日程

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Fred Shone, Tim Hillel ·

    黑箱行为建模:使用深度条件生成方法预测人类活动日程

    arXiv:2512.04223v2 Announce Type: replace Abstract: Modelling the complexity and diversity of human activity scheduling behaviour is inherently challenging. We demonstrate ActVAE, a deep conditional-generative machine learning approach for the modelling of activity schedules. Sui…