論文の概要: Explainable AI for a No-Teardown Vehicle Component Cost Estimation: A
Top-Down Approach
- arxiv url: http://arxiv.org/abs/2006.08828v1
- Date: Mon, 15 Jun 2020 23:47:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 02:22:42.124021
- Title: Explainable AI for a No-Teardown Vehicle Component Cost Estimation: A
Top-Down Approach
- Title(参考訳): 無人車両部品コスト推定のための説明可能なAI:トップダウンアプローチ
- Authors: Ayman Moawad, Ehsan Islam, Namdoo Kim, Ram Vijayagopal, Aymeric
Rousseau, and Wei Biao Wu
- Abstract要約: 本稿では、機械学習とゲーム理論の概念を組み合わせることで、自動車価格のモデリングと部品価格の推定にデータ駆動によるアプローチを提案する。
製造元が提案する小売価格で部品価格と車両価格を推定するための一般的な分解手法と調査手法の代替方法を示す。
この新たなエクササイズは、顧客レベルでの技術の正確な価格設定を提供するだけでなく、製造業者間の価格戦略に大きなギャップがあることも示している。
- 参考スコア(独自算出の注目度): 1.3700176775696422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The broader ambition of this article is to popularize an approach for the
fair distribution of the quantity of a system's output to its subsystems, while
allowing for underlying complex subsystem level interactions. Particularly, we
present a data-driven approach to vehicle price modeling and its component
price estimation by leveraging a combination of concepts from machine learning
and game theory. We show an alternative to common teardown methodologies and
surveying approaches for component and vehicle price estimation at the
manufacturer's suggested retail price (MSRP) level that has the advantage of
bypassing the uncertainties involved in 1) the gathering of teardown data, 2)
the need to perform expensive and biased surveying, and 3) the need to perform
retail price equivalent (RPE) or indirect cost multiplier (ICM) adjustments to
mark up direct manufacturing costs to MSRP. This novel exercise not only
provides accurate pricing of the technologies at the customer level, but also
shows the, a priori known, large gaps in pricing strategies between
manufacturers, vehicle sizes, classes, market segments, and other factors.
There is also clear synergism or interaction between the price of certain
technologies and other specifications present in the same vehicle. Those
(unsurprising) results are indication that old methods of manufacturer-level
component costing, aggregation, and the application of a flat and rigid RPE or
ICM adjustment factor should be carefully examined. The findings are based on
an extensive database, developed by Argonne National Laboratory, that includes
more than 64,000 vehicles covering MY1990 to MY2020 over hundreds of vehicle
specs.
- Abstract(参考訳): この記事のより広い野望は、システムのアウトプットの量をサブシステムに公平に分配するアプローチを普及させ、複雑なサブシステムレベルの相互作用を可能にすることです。
特に,機械学習とゲーム理論の概念を組み合わせることで,車両価格モデリングとその部品価格推定へのデータ駆動アプローチを提案する。
我々は,部品価格および車両価格推定のための共通分解手法と調査手法の代替案を,不確実性をバイパスする利点を有するメーカーの提案小売価格(msrp)レベルで示す。
1)解体データの収集
2)高価で偏りのある調査を行う必要性
3) 小売価格等価(rpe)または間接コスト乗算器(icm)の調整を行い,直接製造コストをmsrpに設定する必要がある。
この新たなエクササイズは、顧客レベルでのテクノロジの正確な価格設定を提供するだけでなく、製造業者、車のサイズ、クラス、市場セグメント、その他の要因間の価格戦略における、先行的な大きなギャップを示す。
また、特定の技術と同一車両に存在する他の仕様との間の相乗効果や相互作用も明確である。
これらの(予想外の)結果は、メーカーレベルの部品コスト、集約、およびフラットで剛性のあるrpeまたはicm調整因子の適用に関する古い方法が慎重に検討されるべきであることを示すものである。
この発見は、アルゴンヌ国立研究所(argonne national laboratory)が開発した広範囲のデータベースに基づいており、my1990からmy2020まで、数百台の車両仕様をカバーする64,000台以上の車両が含まれている。
関連論文リスト
- A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳(メタデータ) (2024-07-08T09:55:31Z) - Multi-attribute Auction-based Resource Allocation for Twins Migration in Vehicular Metaverses: A GPT-based DRL Approach [85.65587846913793]
車両メタバース(Vehicular Metaverses)は、近代自動車産業を強化するために開発され、コネクテッドカー間の没入的で安全な体験を提供する。
本稿では,VTsマイグレーション時の資源配分を最適化する属性対応オークション方式を提案する。
我々は、生成事前学習型変換器(GPT)に基づく深部強化学習(DRL)アルゴリズムを用いて、DDAオークション器を訓練し、オークションクロックを効率的に調整する。
論文 参考訳(メタデータ) (2024-06-08T09:41:38Z) - Causal Forecasting for Pricing [7.077353694086149]
本稿では,価格の文脈で需要予測を行う新しい手法を提案する。
我々の手法は、因果推論のためのダブル機械学習手法と、最先端のトランスフォーマーに基づく予測モデルを組み合わせたものである。
論文 参考訳(メタデータ) (2023-12-23T15:38:22Z) - Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。
この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。
これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。
本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
論文 参考訳(メタデータ) (2023-11-28T15:09:36Z) - Refined Mechanism Design for Approximately Structured Priors via Active
Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。
この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文 参考訳(メタデータ) (2023-10-11T20:34:17Z) - Incremental Profit per Conversion: a Response Transformation for Uplift
Modeling in E-Commerce Promotions [1.7640556247739623]
本稿では,購入時にのみ費用が発生する応答依存コストによるプロモーションに焦点を当てた。
既存のアップリフトモデルアプローチでは、メタラーナーのような複数のモデルをトレーニングする必要がしばしばあります。
本稿では, ユニット・エコノミクスにおける促進キャンペーンの効率を向上する新たな指標であるIncrmental Profit per Conversion(IPC)を紹介する。
論文 参考訳(メタデータ) (2023-06-23T19:46:02Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳(メタデータ) (2023-04-28T10:27:38Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳(メタデータ) (2022-10-26T00:23:36Z) - A Fair Pricing Model via Adversarial Learning [3.983383967538961]
保険事業の核心はリスクと非リスクの保険の分類にある。
公平なアクチュアリ分類と「差別」の区別は微妙である。
予測器のみの偏りは、適切な精度を維持するには不十分であることを示す。
論文 参考訳(メタデータ) (2022-02-24T10:42:20Z) - Model Distillation for Revenue Optimization: Interpretable Personalized
Pricing [8.07517029746865]
我々は、複雑なブラックボックス機械学習アルゴリズムから知識を抽出する、カスタマイズされた、規範的なツリーベースアルゴリズムを提案する。
同様のバリュエーションで顧客を分割し、解釈可能性を維持しながら収益を最大化するような価格を定めている。
論文 参考訳(メタデータ) (2020-07-03T18:33:23Z) - Studying Product Competition Using Representation Learning [7.01269741110576]
本稿では、製品レベルの競争を研究するために、表現学習アルゴリズムWord2Vecに基づくProduct2Vecを紹介する。
提案モデルでは,ショッピングバスケットを入力とし,各商品に対して重要な商品情報を保存した低次元の埋め込みを生成する。
現状のモデルと比較して、我々のアプローチはより高速であり、より正確な需要予測と価格弾力性が得られることを示す。
論文 参考訳(メタデータ) (2020-05-21T00:36:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。