論文の概要: Inverse Active Sensing: Modeling and Understanding Timely Decision-Making

• arxiv url: http://arxiv.org/abs/2006.14141v1
• Date: Thu, 25 Jun 2020 02:30:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 02:54:00.806140
• Title: Inverse Active Sensing: Modeling and Understanding Timely Decision-Making
• Title（参考訳）: 逆アクティブセンシング:モデリングとタイムリーな意思決定の理解
• Authors: Daniel Jarrett, Mihaela van der Schaar
• Abstract要約: 我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
• 参考スコア（独自算出の注目度）: 111.07204912245841
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evidence-based decision-making entails collecting (costly) observations about an underlying phenomenon of interest, and subsequently committing to an (informed) decision on the basis of accumulated evidence. In this setting, active sensing is the goal-oriented problem of efficiently selecting which acquisitions to make, and when and what decision to settle on. As its complement, inverse active sensing seeks to uncover an agent's preferences and strategy given their observable decision-making behavior. In this paper, we develop an expressive, unified framework for the general setting of evidence-based decision-making under endogenous, context-dependent time pressure---which requires negotiating (subjective) tradeoffs between accuracy, speediness, and cost of information. Using this language, we demonstrate how it enables modeling intuitive notions of surprise, suspense, and optimality in decision strategies (the forward problem). Finally, we illustrate how this formulation enables understanding decision-making behavior by quantifying preferences implicit in observed decision strategies (the inverse problem).
• Abstract（参考訳）: エビデンスに基づく意思決定は、基礎となる利害現象に関する(コスト的に)観察を収集し、次に蓄積された証拠に基づいて(インフォームドされた)決定を行う。 この設定では、アクティブセンシングは、どの買収を行うか、いつ、どの決定をするかを効率的に選択する目標指向の問題である。 逆アクティブな感覚は、観察可能な意思決定行動を考えると、エージェントの好みや戦略を明らかにする。 本稿では,内在的かつ文脈に依存した時間的圧力下でのエビデンスに基づく意思決定の一般的な設定のための,表現的かつ統一的な枠組みを開発する。 この言語を用いることで、意思決定戦略(前方問題)における驚き、サスペンス、最適性の直感的な概念をモデリングできることを実証する。 最後に、この定式化によって、観察された意思決定戦略(逆問題)において暗黙の選好を定量化することにより、意思決定行動の理解が可能になることを示す。

関連論文リスト

• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)
• An End-to-End Approach for Online Decision Mining and Decision Drift Analysis in Process-Aware Information Systems: Extended Version [0.0]
  決定マイニングは、イベントログやストリームから決定ルールの発見を可能にする。 オンライン意思決定マイニングは、意思決定ルールの進化と意思決定のドリフトを継続的に監視することを可能にする。 本稿では,発見のためのエンドツーエンドアプローチと,実行中の決定点とそれに対応する決定ルールの監視について述べる。
  論文  参考訳（メタデータ） (2023-03-07T15:04:49Z)
• On solving decision and risk management problems subject to uncertainty [91.3755431537592]
  不確実性は意思決定とリスク管理において広範囲にわたる課題である。 本稿では,このような戦略を体系的に理解し,その適用範囲を判断し,それらをうまく活用するための枠組みを開発する。
  論文  参考訳（メタデータ） (2023-01-18T19:16:23Z)
• On the Complexity of Adversarial Decision Making [101.14158787665252]
  決定推定係数は, 相手の意思決定に対する後悔度を低く抑えるのに必要であり, 十分であることを示す。 我々は、決定推定係数を他のよく知られた複雑性尺度の変種に結びつける新しい構造結果を提供する。
  論文  参考訳（メタデータ） (2022-06-27T06:20:37Z)
• Explainability's Gain is Optimality's Loss? -- How Explanations Bias Decision-making [0.0]
  説明は、アルゴリズムと人間の意思決定者とのコミュニケーションを促進するのに役立つ。 因果モデルに関する特徴に基づく説明のセマンティクスは、意思決定者の以前の信念から漏れを引き起こす。 このような違いは、準最適かつ偏った決定結果をもたらす可能性がある。
  論文  参考訳（メタデータ） (2022-06-17T11:43:42Z)
• Limitations of a proposed correction for slow drifts in decision criterion [0.0]
  ランダムドリフトからの系統的な更新を曖昧にするためのモデルに基づくアプローチを提案する。 提案手法は,決定基準におけるドリフトの潜航軌跡を正確に回復することを示す。 本結果は,生成過程の仮定を直接意思決定モデルに組み込むことの利点を強調した。
  論文  参考訳（メタデータ） (2022-05-22T19:33:19Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Learning "What-if" Explanations for Sequential Decision-Making [92.8311073739295]
  実世界の意思決定の解釈可能なパラメータ化を実証行動に基づいて構築することが不可欠である。 そこで我々は,「何」の結果に対する嗜好の観点から,報酬関数をモデル化し,専門家による意思決定の学習的説明を提案する。 本研究は,行動の正確かつ解釈可能な記述を回復する上で,実効的逆強化学習手法であるバッチの有効性を強調した。
  論文  参考訳（メタデータ） (2020-07-02T14:24:17Z)
• Causal Strategic Linear Regression [5.672132510411465]
  信用スコアや学術試験のような多くの予測的な意思決定シナリオでは、意思決定者は、決定ルールを「ゲーム」するためにエージェントの正当性を説明するモデルを構築しなければならない。 私たちは、変更可能な属性の関数として、モデリングエージェントの結果の同時処理に参加します。 3つの異なる意思決定目標を最適化する意思決定ルールを学習するための効率的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-02-24T03:57:22Z)

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。