摊销优化器加速随机社会模拟器校准

Muyao Zhong 与 Peng Yang 提交论文，提出一种摊销优化器：先用预先收集的模拟数据学习如何选择参数，使模拟结果与观测一致；拟合完成后，无需再调用模拟器，就能把新观测映射为可行参数。 在真实金融数据的回溯对比中，该方法比 10 分钟高斯过程贝叶斯优化搜索快约 1.07×10^7 倍，但平均校准误差高 3.06%。作者在四个模拟器上比较了校准精度与查询时间，结果显示，局部校正相比经验选择和代理模型选择，可将查询时间减半以上。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。