基于记忆的降阶建模与意见传播的数据驱动估计
动力系统
2021-02-03 v3
摘要
我们基于一个多智能体模型研究意见动力学，并关注预测共享某一意见的整个智能体群体所占百分比的演化。由于这些意见百分比可视为完整系统状态（即每个智能体的个体意见）的聚合观测，我们在 Mori-Zwanzig 投影形式体系的框架下看待此问题。更具体地，我们展示了如何由意见百分比时间序列给出的数据估计一个带记忆的非线性自回归模型（NAR），并讨论了其在智能体交互网络各种特定拓扑下的预测能力。我们证明，在不同网络拓扑的示例中，记忆项的引入显著提升了预测质量。
引用
@article{arxiv.2006.08257,
title = {Memory-based reduced modelling and data-based estimation of opinion spreading},
author = {Niklas Wulkow and Péter Koltai and Christof Schütte},
journal= {arXiv preprint arXiv:2006.08257},
year = {2021}
}