論文の概要: Quantifying the multi-objective cost of uncertainty

• arxiv url: http://arxiv.org/abs/2010.04653v2
• Date: Sat, 1 May 2021 03:11:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 00:04:31.378509
• Title: Quantifying the multi-objective cost of uncertainty
• Title（参考訳）: 不確実性の多目的コストの定量化
• Authors: Byung-Jun Yoon, Xiaoning Qian, Edward R. Dougherty
• Abstract要約: 複雑な不確実性システムに対する客観的な不確実性定量化に使用できる平均的多目的不確実性コスト (multi-jective MOCU) の概念を提案する。 哺乳類の細胞周期ネットワークに基づく実世界の実例を示し、モデル不確実性の操作的影響の定量化に多目的MOCUをどのように利用できるかを示す。
• 参考スコア（独自算出の注目度）: 19.69347219334526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various real-world applications involve modeling complex systems with immense uncertainty and optimizing multiple objectives based on the uncertain model. Quantifying the impact of the model uncertainty on the given operational objectives is critical for designing optimal experiments that can most effectively reduce the uncertainty that affect the objectives pertinent to the application at hand. In this paper, we propose the concept of mean multi-objective cost of uncertainty (multi-objective MOCU) that can be used for objective-based quantification of uncertainty for complex uncertain systems considering multiple operational objectives. We provide several illustrative examples that demonstrate the concept and strengths of the proposed multi-objective MOCU. Furthermore, we present a real-world example based on the mammalian cell cycle network to demonstrate how the multi-objective MOCU can be used for quantifying the operational impact of model uncertainty when there are multiple, possibly competing, objectives.
• Abstract（参考訳）: 様々な現実世界のアプリケーションは、不確実性のある複雑なシステムをモデル化し、不確実性モデルに基づいて複数の目的を最適化する。 与えられた運用目標に対するモデルの不確実性の影響の定量化は、目の前のアプリケーションに関係する目的に影響を与える不確実性を最も効果的に低減できる最適な実験を設計する上で重要である。 本稿では,複数の操作目標を考慮した複雑な不確かさの客観的定量化に使用可能な,多目的不確実性の平均コスト(多目的mocu)の概念を提案する。 提案する多目的mocuの概念と強みを示すいくつかの例を示す。 さらに, 哺乳類の細胞周期ネットワークに基づく実世界の実例を示し, 多目的MOCUを用いて, 複数の競合相手が存在する場合のモデル不確実性の操作的影響を定量化する方法を示す。

関連論文リスト

• Deep Pareto Reinforcement Learning for Multi-Objective Recommender Systems [60.91599969408029]
  複数の目的を同時に最適化することは、レコメンデーションプラットフォームにとって重要なタスクです。 既存の多目的推薦システムは、そのような動的な関係を体系的に考慮していない。
  論文  参考訳（メタデータ） (2024-07-04T02:19:49Z)
• Multi-Target Multiplicity: Flexibility and Fairness in Target Specification under Resource Constraints [76.84999501420938]
  対象の選択が個人の結果にどのように影響するかを評価するための概念的および計算的枠組みを導入する。 目的変数選択から生じる多重度は, 1つのターゲットのほぼ最適モデルから生じるものよりも大きいことが示される。
  論文  参考訳（メタデータ） (2023-06-23T18:57:14Z)
• TMoE-P: Towards the Pareto Optimum for Multivariate Soft Sensors [7.236362889442992]
  我々は,多変量ソフトセンサを多目的問題に再構成し,課題と最先端性能の両方に対処する。 負の伝達問題に対処するために,我々はまず,パラメータ共有のための客観的かつ客観的な専門家を利用したOMoEモジュールを提案する。 次に,シーソー現象に対処するため,最適ルーティングを実現するためのタスク認識型Mixture-of-Expertsフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-21T06:49:09Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Multidimensional Belief Quantification for Label-Efficient Meta-Learning [7.257751371276488]
  ラベル付きメタ学習のための新しい不確実性を考慮したタスク選択モデルを提案する。 提案したモデルは、既知の不確実性を定量化し、与えられたタスクの未知の不確実性を低くする多次元的信念尺度を定式化する。 複数の実世界の複数ショット画像分類タスクに対して行われた実験は、提案モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2022-03-23T23:37:16Z)
• Neural Message Passing for Objective-Based Uncertainty Quantification and Optimal Experimental Design [15.692012868181635]
  データ駆動型アプローチに基づくMOCUによる客観的UQの計算コスト削減手法を提案する。 提案手法は,MOCUをベースとしたOEDを4～5桁の精度で高速化できることを示す。
  論文  参考訳（メタデータ） (2022-03-14T14:08:46Z)
• Provable Multi-Objective Reinforcement Learning with Generative Models [98.19879408649848]
  目的の選好から最適な政策を学習する単一政策 MORL の問題について検討する。 既存の方法は、多目的決定プロセスの正確な知識のような強い仮定を必要とする。 モデルベースエンベロップ値 (EVI) と呼ばれる新しいアルゴリズムを提案し, 包含された多目的$Q$学習アルゴリズムを一般化する。
  論文  参考訳（メタデータ） (2020-11-19T22:35:31Z)
• Empirical Study on the Benefits of Multiobjectivization for Solving Single-Objective Problems [0.0]
  局所オプティマはしばしばアルゴリズムの進行を防ぎ、深刻な脅威を引き起こす。 マルチオブジェクトの勾配に基づく高度な可視化技術を用いて,出現するマルチオブジェクトの景観の特性を図示し,考察した。 我々は,多目的COCOMOGSAがこれらの特性を利用して局所トラップを克服できることを実証的に示す。
  論文  参考訳（メタデータ） (2020-06-25T14:04:37Z)
• Plausible Counterfactuals: Auditing Deep Learning Classifiers with Realistic Adversarial Examples [84.8370546614042]
  ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。 GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。 その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-03-25T11:08:56Z)

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。