サンプリング(村橋) 村橋：専門用語の訳し方の間違いは多めにみて 羽藤：4番目の条件萌える、偶数と奇数っていうのいい 望月：月田のRLの誤差相関と同じことなのかもしれないが、ネストL内のところ 　　　A_jlが1/mu でノルムを取る形になっているが、どういう意義の作業をしているのか 村橋：G関数の本質を理解はしていないが 望月：1/mu乗してるものとかを1~kまで足している 　　　相関誤差の強さを全体に…Gってなんだっけ? 村橋：このGを設定することで、表せるってこと 　　　GiはGの偏微分 望月：Gは全効用のsum? スケールは変わってるかもしれないけどyiのsumだから 　　　誤差相関の…っているのはわかった 浦田：言っている通り，Gは，確率Pの分母なので，正規化定数として，全効用の和とも読めます． スケールパラメータの変化で，誤差相関の強さがどう変わるかは，NL/CNLで， 効用関数と確率を数値計算してみると，体感できるかと思います． 小林：ジャーナルの名前も入れる 　　　村橋くん的この論文のピークは？私はCを出せないときにBで綺麗に表せることだと思ったけど 村橋：そこは僕も綺麗と思った。綺麗に表せることが実データ検証でも一番モデルとしていいのがすごい 経験的と筆者も言っているから、天下り的な気もした 　　　つまり、綺麗になるように式を作ったのかなみたいな 浦田：検証②でサンプリングするときのアルゴリズムはどんなものか 村橋：書いてなかった。自身の解釈としては理想的な分布の分布確率を求めてMHでその分布に合うようにしているのでは？ 浦田：Cが分母に入っているから分母は計算できないよね 村橋：biは経路の重み、経路を列挙してる 浦田：Cが入っていて分母が計算できないからMHという方法はいい 　　　MHは分母が計算でいないときに使うからそれでいい 浦田：MHということは乱択だけの集合を作る必要がある 経路なのでなんらか集合を作らないといけない 佐々木のマルコフ的なものが裏にあれば逐次でできるのでは ODが決まっていたらZDDじゃなくても経路集合でできる 何かしらの集合がないとダメ、経路だから途中がODの間で切れちゃったらだめだから 今持っている経路のうち一部からあるところまでをカットして新しく作り直すとかもできる 村橋：やり方はありそう 羽藤：（チャット） 小林：経路選択はやはり難しいということ 　　　今後研究で使うときに振り返るといい RL(近藤) 増橋：….この手法のポイントが何なのか 近藤：計算量が少なく済んでいる あまり活動と移動パターンを両方考慮してモデルを生成するモデルとして生成 増橋：理解し切れずまともに質問ができない 村橋：u_actが線形に伸びていくのが気になった 小林：Discussionの中の今後の展開の部分は村橋論文につながる 望月：p.11qとpnの式がいまいちわからなかった pnは選択確率 近藤：そう 望月：尤度は選択確率が実際に取られた確率について取られると思うのだけど、pnに経路がかけられ散るのか 近藤：選択確率を最大にするようにパラメータを変えるのではないかな 望月：そうするとpnは実際に取られた確率ってことか 浦田：式系は曖昧、書き方がちょっと違うかもしれないけど 今の場合はNRMNLの書き方とは違うよね 浦田：最後はqは1になってるんだよね 近藤：最終的にそうなるようにしているから簡単に書けるよという話 浦田：滞在時間の移動時間 　　　場所から場所に移動するのにかかる時間の違いはどう組み込んでいるのか 近藤：統計的なデータからえいやで入れていると思う 月田：kとτの関係について確認したい 　　　tkとtk+1 の間の時間はFixなのか 　　　この差がτなのかと思ったのだが、途中でτを固定し始めたから… 近藤：この数値実験だとτは継続しているか否かというだけのダミー変数として用いている モデルの構築の時はτは 月田：例えばこの場合には10分ごとに続けるか否か決定しているということか 5分でやめるとかをどこの時点で決定しているのかなということが気になった 近藤：kは108以上になっても、逆に少なくてもいい 状態の遷移が起きるときにkは増えていくけど、skとsk+1でTが１ステップ分違うということではない 村橋：補正こうについて、今回は目的地に関して補正こうを一つ足して入れていた 目的地サンプリングもする場合にはどうするのか 近藤：目的地サンプリングをするときに選択肢サンプリングはしないのではないかと思ったりもした ――以下チャット―― 12:51:58 開始 浦田淳司 終了 皆様: 言っている通り，Gは，確率Pの分母なので，正規化定数として，全効用の和とも読めます． 12:53:20 開始 浦田淳司 終了 皆様: スケールパラメータの変化で，誤差相関の強さがどう変わるかは，NL/CNLで，効用関数と確率を数値計算してみると，体感できるかと思います． 13:01:57 開始 EIJI HATO 終了 皆様: これでノーベル経済学賞だからねー 13:06:32 開始 EIJI HATO 終了 皆様: いきる！ 13:07:19 開始 EIJI HATO 終了 皆様: 最先端はこういう関心でやっています．https://sites.google.com/g.ecc.u-tokyo.ac.jp/samplinglectures/ 13:33:08 開始 iPad (6)も 終了 皆様: 最後のスライドいいね。 13:36:49 開始 iPad (6)も 終了 皆様: ピーク！ 13:37:22 開始 iPad (6)も 終了 皆様: まあ拡大係数だよな。 13:37:37 開始 iPad (6)も 終了 皆様: G関数の外でやってるから便利だよね。 13:39:07 開始 iPad (6)も 終了 皆様: 月田も参考になりそうだね。 13:40:20 開始 iPad (6)も 終了 皆様: k番目？ 13:43:09 開始 iPad (6)も 終了 皆様: k番目列挙した中から乱択で、qiで採択してくんじゃね。 13:44:21 開始 iPad (6)も 終了 皆様: ZDDか！ 13:44:35 開始 iPad (6)も 終了 皆様: どう村橋？ 13:44:49 開始 iPad (6)も 終了 皆様: マルコフなら逐次でもいいね。 13:45:07 開始 iPad (6)も 終了 皆様: Fosgrauが好きそう。 13:46:18 開始 iPad (6)も 終了 皆様: 経路問題は本当に難しいねー 13:46:33 開始 iPad (6)も 終了 皆様: だから研究としてはおもしろいんだけどね。 13:46:58 開始 iPad (6)も 終了 皆様: 経路じゃなかったら、交通の固有性なくなっちゃうもんね。 13:47:44 開始 iPad (6)も 終了 皆様: サンプリングはめちゃこれからの数理の中では重要なんで、、意識の底に置いておいてください。 13:47:59 開始 iPad (6)も 終了 皆様: パチパチぱち。 13:49:00 開始 iPad (6)も 終了 皆様: 楽しそう 13:49:17 開始 iPad (6)も 終了 皆様: マルコフか。 13:50:26 開始 iPad (6)も 終了 皆様: 選択肢やっかいだねー、アクティビティモデルだと 13:53:18 開始 iPad (6)も 終了 皆様: 無限マルコフ仮定してない感じ？ 13:54:59 開始 iPad (6)も 終了 皆様: 小川くんのに使えそうだね。 13:56:03 開始 iPad (6)も 終了 皆様: マルコフ性の仮説を活動履歴を変数化して対処してるのは、式的にはあんまし美しくないね。 13:57:58 開始 iPad (6)も 終了 皆様: C(xk)で時間が扱えるのはいいね。連続マルコフみたい。 14:00:00 開始 iPad (6)も 終了 皆様: qは時間信頼性が入ってるのもこの研究のポイントですかね。これがないと、わりとふつーの感じだから。でもあることで、いろんな可能性がでてくるね。 14:00:26 開始 iPad (6)も 終了 皆様: みんなBellman好きだなー 14:01:30 開始 iPad (6)も 終了 皆様: 増田の避難活動モデルでも使えそう。 14:04:19 開始 浦田淳司 終了 皆様: 線形補間でＥＶを計算できるようにしてしまうってことですね． 14:06:39 開始 iPad (6)も 終了 皆様: サンプリングしちゃうのか、、 14:07:49 開始 iPad (6)も 終了 皆様: 時間のとこの精度が悪そうだな、、 14:08:17 開始 浦田淳司 終了 皆様: ｑを確率で扱うことはやめた？ 14:09:23 開始 iPad (6)も 終了 皆様: 推定結果めちゃいいね、 14:09:28 開始 iPad (6)も 終了 皆様: なんでだろ 14:09:46 開始 iPad (6)も 終了 皆様: 線形補間がわりといいのか、 14:10:22 開始 iPad (6)も 終了 皆様: サイエンスっぽいね、やっぱDPはいいね。 14:15:08 開始 浦田淳司 終了 皆様: 10分で活動選択なら，線形補間でもよさそうですね． 14:16:07 開始 浦田淳司 終了 皆様: リモートになると，全然変わってきますね，， 14:16:43 開始 EIJI HATO 終了 皆様: スケールにもよるけど，空間設計じゃないなら，これでよさそう． 14:17:25 開始 EIJI HATO 終了 皆様: Zimmermansのとの違いは何？信頼性ですかね．． 14:17:26 開始 takuma murahashi 終了 皆様: 経過時間に対して効用が線形に増加していくって違和感あるんですけど制約があったりとかでうまくいくんですかね？ 14:17:38 開始 takuma murahashi 終了 皆様: u_actです 14:17:55 開始 EIJI HATO 終了 皆様: そこはわりと普通にそういう仮定が多いね． 14:18:19 開始 EIJI HATO 終了 皆様: 限界効用逓減則ならlogとってもいいけど 14:18:35 開始 takuma murahashi 終了 皆様: なるほど 14:19:27 開始 takuma murahashi 終了 皆様: 適切な量というか，確率分布みたいな感じで効用も山形で与えるのかなとか思っていました… 14:19:29 開始 浦田淳司 終了 皆様: KarlströmはFosgerauのＲＬの論文に名前はいっていて，この論文は，zimmermanより前に出しているはずです． 14:20:20 開始 EIJI HATO 終了 皆様: まあでもその線だよね． 14:20:30 開始 EIJI HATO 終了 皆様: 前か 14:20:48 開始 EIJI HATO 終了 皆様: Zimmermansの方が有名だね． 14:21:56 開始 浦田淳司 終了 皆様: 送迎時間外と仕事の時間外の効用をー∞にすることで，長くいるほど効用が高まる，という結果にならず，夕方くらいから，滞在効用が下がってくる，というような感じになっていそう． 14:22:57 開始 浦田淳司 終了 皆様: このように，推定結果の妥当性をきちんと検証することも，論文化にあたって，大事です． 14:23:31 開始 EIJI HATO 終了 皆様: 探索系はReckerのグループが頑張ってたんだけど，Bellmanでマルコフは性質がいいからねー．http://www.its.uci.edu/its/personnel/recker/A109_Activity-based_Network_Design_Problems_TRB.pdf 14:29:46 開始 EIJI HATO 終了 皆様: Discussionをちゃんと訳すの意外と大事なんで，他の人も意識してみてください． 14:31:03 開始 EIJI HATO 終了 皆様: https://www.sciencedirect.com/science/article/pii/S0957417408007744?via%3Dihub 14:36:32 開始 浦田淳司 終了 皆様: Zimmermanとほぼ同時でちょっと早いですね．　https://www.sciencedirect.com/science/article/pii/S0968090X18304972　こっちの論文では，やっていることは同じよう感じですが，mixed押しで，今回の論文で書ているような，精緻なactivity modelの説明はついてないですね． 14:37:03 開始 浦田淳司 終了 皆様: この論文のworking paperはzimmermanよりも先ですが． 14:37:31 開始 EIJI HATO 終了 皆様: まあうちも含めて，みんな競ってるから． 14:45:10 開始 EIJI HATO 終了 皆様: おもしろいねー 14:49:19 開始 浦田淳司 終了 皆様: 目的地で×1000で，時間で×100なので，そこは計算上，大きいですね．