論文の概要: Large-Scale Data-Driven Airline Market Influence Maximization

• arxiv url: http://arxiv.org/abs/2105.15012v1
• Date: Mon, 31 May 2021 14:48:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 17:03:21.219038
• Title: Large-Scale Data-Driven Airline Market Influence Maximization
• Title（参考訳）: 大規模データ駆動型航空市場影響の最大化
• Authors: Duanshun Li, Jing Liu, Jinsung Jeon, Seoyoung Hong, Thai Le, Dongwon Lee, Noseong Park
• Abstract要約: 本稿では,フライト周波数の調整による国内旅客輸送市場の市場影響を最大化するために,予測駆動型最適化フレームワークを提案する。 我々のニューラルネットワークは、市場への影響を予測するために、古典的な空母性能特徴や輸送ネットワーク特徴など、幅広い特徴を考慮に入れています。
• 参考スコア（独自算出の注目度）: 13.051415067967435
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a prediction-driven optimization framework to maximize the market influence in the US domestic air passenger transportation market by adjusting flight frequencies. At the lower level, our neural networks consider a wide variety of features, such as classical air carrier performance features and transportation network features, to predict the market influence. On top of the prediction models, we define a budget-constrained flight frequency optimization problem to maximize the market influence over 2,262 routes. This problem falls into the category of the non-linear optimization problem, which cannot be solved exactly by conventional methods. To this end, we present a novel adaptive gradient ascent (AGA) method. Our prediction models show two to eleven times better accuracy in terms of the median root-mean-square error (RMSE) over baselines. In addition, our AGA optimization method runs 690 times faster with a better optimization result (in one of our largest scale experiments) than a greedy algorithm.
• Abstract（参考訳）: 航空周波数の調整による国内旅客輸送市場の市場影響を最大化するための予測駆動最適化手法を提案する。 低レベルにおいて、我々のニューラルネットワークは、市場への影響を予測するために、古典的な空母性能特徴や輸送ネットワーク特徴など、幅広い特徴を考慮に入れている。 予測モデルに基づいて,2,262経路の市場影響を最大化するために,予算制約付き飛行周波数最適化問題を定義する。 この問題は、従来の方法では正確には解決できない非線形最適化問題のカテゴリに該当する。 そこで本研究では,適応勾配上昇法(AGA法)を提案する。 予測モデルでは,平均根平均二乗誤差(RMSE)の2倍から11倍の精度を示す。 さらに、我々のAGA最適化手法は、グリーディアルゴリズムよりも最適化結果(最大規模の実験の1つ)が良い690倍高速に動作します。

関連論文リスト

• MARS: Unleashing the Power of Variance Reduction for Training Large Models [56.47014540413659]
  Adam、Adam、およびそれらの変種のような大規模な勾配アルゴリズムは、この種のトレーニングの開発の中心となっている。 本稿では,事前条件付き勾配最適化手法と,スケールドモーメント手法による分散低減を両立させる枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-15T18:57:39Z)
• Fast solution to the fair ranking problem using the Sinkhorn algorithm [6.324759964762596]
  本稿では,インパクトに基づく公正ランキング問題に対する高速な解法を提案する。 提案アルゴリズムは高品質で,商用最適化ソフトウェアよりも約1000倍高速である。
  論文  参考訳（メタデータ） (2024-06-11T02:21:24Z)
• Traffic signal optimization in large-scale urban road networks: an adaptive-predictive controller using Ising models [4.408586742026574]
  本稿では,スケーラビリティと最適性の両方を保証するAMPICという制御手法を提案する。 提案手法では,車両流の予測モデルを明確に考慮し,各制御区間における最適制御問題の解法としてモデル予測制御を用いる。 その結果,AMPICは従来の制御方式よりも待ち時間が少なく,より高速な走行が可能であった。
  論文  参考訳（メタデータ） (2024-06-06T02:20:34Z)
• WTTFNet: A Weather-Time-Trajectory Fusion Network for Pedestrian Trajectory Prediction in Urban Complex [0.44531072184246007]
  ベースラインディープニューラルネットワークアーキテクチャの性能向上を目的として,新しい気象時トラジェクトリ融合ネットワーク(WTTFNet)を提案する。 歩行者施設工学、公共空間開発、技術主導の小売など、多くの用途で利用することができる。
  論文  参考訳（メタデータ） (2024-05-29T09:56:54Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• Boosting Fair Classifier Generalization through Adaptive Priority Reweighing [59.801444556074394]
  より優れた一般化性を持つ性能向上フェアアルゴリズムが必要である。 本稿では,トレーニングデータとテストデータ間の分散シフトがモデル一般化性に与える影響を解消する適応的リライジング手法を提案する。
  論文  参考訳（メタデータ） (2023-09-15T13:04:55Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints [51.12047280149546]
  公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。 フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。 フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-23T22:29:08Z)
• Boosted Genetic Algorithm using Machine Learning for traffic control optimization [4.642759477873937]
  本稿では,信号化都市交差点における交通信号タイミングの最適化手法を提案する。 高速かつ信頼性の高い決定を生成することを目的として、高速実行機械学習(ML)アルゴリズムと信頼できる遺伝的アルゴリズム(GA)を組み合わせる。 新たなBGA-MLは,元のGAアルゴリズムよりもはるかに高速であり,非リカレントインシデント条件下でうまく適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-11T00:39:18Z)
• DADA: Differentiable Automatic Data Augmentation [58.560309490774976]
  コストを大幅に削減する微分可能自動データ拡張(DADA)を提案する。 CIFAR-10, CIFAR-100, SVHN, ImageNetのデータセットについて広範な実験を行った。 その結果,DADAは最先端技術よりも1桁以上高速であり,精度は極めて高いことがわかった。
  論文  参考訳（メタデータ） (2020-03-08T13:23:14Z)

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。