Nonparametric inference of interaction laws in systems of agents from trajectory data
Nonparametric inference of interaction laws in systems of agents from trajectory data
复制标题
从轨迹数据中非参数推断智能体系统中的相互作用规律
DOI：
10.1073/pnas.1822012116
复制
发表时间：
2019
影响因子：
11.1
通讯作者：
Maggioni, Mauro
中科院分区：
文献类型：
--
作者：
Lu, Fei;Zhong, Ming;Tang, Sui;Maggioni, Mauro
从观测数据中推断基于代理的系统中的交互规律是各种学科中的一个基本挑战。我们提出了一种非参数统计学习方法的距离为基础的相互作用，没有参考或假设其分析形式，给定的数据组成的互动代理的采样轨迹。我们证明了我们的估计的有效性，通过提供理论保证，避免维数灾难，并通过测试它们在不同学科中使用的各种原型系统。这些系统包括同质和异质代理系统，从基础物理学中的粒子系统到基于代理的系统，这些系统在社会影响下模拟意见动态，捕食者-捕食者动态，群集和群集，以及细胞动力学中的趋光性。
Inferring the laws of interaction in agent-based systems from observational data is a fundamental challenge in a wide variety of disciplines. We propose a nonparametric statistical learning approach for distance-based interactions, with no reference or assumption on their analytical form, given data consisting of sampled trajectories of interacting agents. We demonstrate the effectiveness of our estimators both by providing theoretical guarantees that avoid the curse of dimensionality and by testing them on a variety of prototypical systems used in various disciplines. These systems include homogeneous and heterogeneous agent systems, ranging from particle systems in fundamental physics to agent-based systems that model opinion dynamics under the social influence, prey–predator dynamics, flocking and swarming, and phototaxis in cell dynamics.
登录
查看更多内容
影响因子：
2.6
作者：
Jens Timmer;Henning W. Rust;W. Horbelt;Henning U. Voss
通讯作者：
Jens Timmer;Henning W. Rust;W. Horbelt;Henning U. Voss
从高度损坏的数据中精确恢复混沌系统
DOI：
10.1137/16m1086637
发表时间：
2016
期刊：
Multiscale Model. Simul.
影响因子：
--
作者：
Giang Tran;Rachel A. Ward
通讯作者：
Rachel A. Ward
影响因子：
3.2
作者：
A. Paul Hare
通讯作者：
A. Paul Hare
影响因子：
4
作者：
A. L. Koch;D. White
通讯作者：
A. L. Koch;D. White
DOI：
10.1016/0022-247x(71)90154-5
发表时间：
1971-01-01
影响因子：
1.3
作者：
BELLMAN, R;ROTH, RS
通讯作者：
ROTH, RS