Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/257536 
Erscheinungsjahr: 
2021
Quellenangabe: 
[Journal:] Games [ISSN:] 2073-4336 [Volume:] 12 [Issue:] 3 [Article No.:] 54 [Publisher:] MDPI [Place:] Basel [Year:] 2021 [Pages:] 1-20
Verlag: 
MDPI, Basel
Zusammenfassung: 
There are many competing game-theoretic analyses of terrorism. Most of these models suggest nonlinear relationships between terror attacks and some variable of interest. However, to date, there have been very few attempts to empirically sift between competing models of terrorism or identify nonlinear patterns. We suggest that machine learning can be an effective way of undertaking both. This feature can help build more salient game-theoretic models to help us understand and prevent terrorism.
Schlagwörter: 
game theory
machine learning
terrorism
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Article
Erscheint in der Sammlung:

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.