Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCPS Small: Integrating Bayesian Deep Learning, Microeconometrics, and Graph-Based Data for Enhanced Interpretable Choice Models with Heterogeneous Network Interactions
Proyek riset & pengembangan

CPS Small: Integrating Bayesian Deep Learning, Microeconometrics, and Graph-Based Data for Enhanced Interpretable Choice Models with Heterogeneous Network Interactions

Ringkasan tujuan riset

Model choice Bayesian berbasis graf diteliti untuk keputusan pada infrastruktur terhubung, menggabungkan fleksibilitas neural network dengan utility dan ukuran ekonomi yang tetap dapat ditafsirkan.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2513075Periode tercatat 2026-08-15 sampai 2029-01-31.NSF 2513075MulaiAkhir tercatat202620302026-08-152029-01-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Private utility terstruktur, komponen nonlinear, dan interaksi jaringan membentuk representasi pilihan. Graph convolution, attention, prior sparse, serta behavioral regularization menjaga quantity seperti elasticity dan willingness-to-pay. Posterior approximation dan ensemble marginalization menghitung ketidakpastian serta meneruskannya ke ukuran kebijakan. Validasi pada mobilitas dan adopsi teknologi menilai accuracy, consistency, dan calibration, untuk alat desain CPS yang memperhitungkan feedback manusia-sistem.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Cornell University
Program
CPS-Cyber-Physical Systems
Periode pendanaan tercatat
2026-08-15 → 2029-01-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Cyber, Physical, & Intelligent Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.