論文の概要: A variational autoencoder approach for choice set generation and
implicit perception of alternatives in choice modeling
- arxiv url: http://arxiv.org/abs/2106.13319v1
- Date: Sat, 19 Jun 2021 00:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-04 19:42:23.481440
- Title: A variational autoencoder approach for choice set generation and
implicit perception of alternatives in choice modeling
- Title(参考訳): 選択集合生成のための変分オートエンコーダアプローチと選択モデルにおける選択肢の暗黙認識
- Authors: Rui Yao, Shlomo Bekhor
- Abstract要約: 本稿では,他の選択肢の暗黙的アベイラビリティ/パーセプション(IAP)を用いた一般化された極値(GEV)モデルを導出する。
IAPを用いたクロスネストロジット(CNL)モデルは、IAP-GEVモデルの一例として導出される。
- 参考スコア(独自算出の注目度): 10.032454476104006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper derives the generalized extreme value (GEV) model with implicit
availability/perception (IAP) of alternatives and proposes a variational
autoencoder (VAE) approach for choice set generation and implicit perception of
alternatives. Specifically, the cross-nested logit (CNL) model with IAP is
derived as an example of IAP-GEV models. The VAE approach is adapted to model
the choice set generation process, in which the likelihood of perceiving chosen
alternatives in the choice set is maximized. The VAE approach for route choice
set generation is exemplified using a real dataset. IAP- CNL model estimated
has the best performance in terms of goodness-of-fit and prediction
performance, compared to multinomial logit models and conventional choice set
generation methods.
- Abstract(参考訳): 本稿では,選択肢の暗黙的アベイラビリティ/パーセプション(IAP)を備えた一般化された極値(GEV)モデルを導出し,選択肢の選択セット生成と暗黙的認識のための変分オートエンコーダ(VAE)アプローチを提案する。
特に、IAPを用いたクロスネストロジット(CNL)モデルは、IAP-GEVモデルの例として導出される。
vaeアプローチは、選択集合において選択された選択肢を知覚する可能性を最大化する選択集合生成過程をモデル化するために適応される。
経路選択セット生成のためのVAEアプローチを実データを用いて例示する。
IAP-CNLモデルの推定値は,多項ロジットモデルや従来の選択集合生成法と比較して,適合性および予測性能の点で最高の性能を有する。
関連論文リスト
- Budgeted Online Model Selection and Fine-Tuning via Federated Learning [26.823435733330705]
オンラインモデル選択では、候補モデルのセットからモデルを選択して、データのストリームで予測を実行する。
その後の候補モデルの選択は、パフォーマンスに決定的な影響を与えます。
本稿では,学習者グループ(クライアント)が十分なメモリを持つサーバと対話するオンラインフェデレーションモデル選択フレームワークを提案する。
提案したアルゴリズムを用いて、クライアントとサーバは微調整モデルと協調して非定常環境に適応する。
論文 参考訳(メタデータ) (2024-01-19T04:02:49Z) - Diffusion-TTA: Test-time Adaptation of Discriminative Models via
Generative Feedback [97.0874638345205]
生成モデルは、識別モデルのための優れたテストタイムアダプタになり得る。
提案手法であるDiffusion-TTAは,事前学習した判別モデルを,テストセットの各未学習例に適応させる。
拡散-TTAは,様々な大規模事前学習型判別モデルの精度を著しく向上させることを示した。
論文 参考訳(メタデータ) (2023-11-27T18:59:53Z) - Variational Model Perturbation for Source-Free Domain Adaptation [64.98560348412518]
確率的枠組みにおける変分ベイズ推定によるモデルパラメータの摂動を導入する。
本研究では,ベイズニューラルネットワークの学習と理論的関連性を実証し,目的領域に対する摂動モデルの一般化可能性を示す。
論文 参考訳(メタデータ) (2022-10-19T08:41:19Z) - fETSmcs: Feature-based ETS model component selection [8.99236558175168]
シミュレーションデータに基づく分類器の訓練によるETSモデル選択の効率的な手法を提案し, 与えられた時系列に対する適切なモデル成分の予測を行う。
提案手法は,広く使用されている予測競合データセットM4に対して,点予測と予測間隔の両面から評価する。
論文 参考訳(メタデータ) (2022-06-26T13:52:43Z) - Model Selection for Bayesian Autoencoders [25.619565817793422]
本稿では,オートエンコーダの出力と経験的データ分布との分散スライス-ワッサーシュタイン距離を最適化することを提案する。
我々のBAEは、フレキシブルなディリクレ混合モデルを潜在空間に適合させることにより、生成モデルに変換する。
我々は,教師なしの学習課題に対する膨大な実験的キャンペーンを質的かつ定量的に評価し,先行研究が重要となる小規模データ体制において,我々のアプローチが最先端の結果をもたらすことを示す。
論文 参考訳(メタデータ) (2021-06-11T08:55:00Z) - Choice Set Confounding in Discrete Choice [29.25891648918572]
既存の学習方法は、選択セットの割り当てがデータにどう影響するかを見落とします。
我々は因果推論から個別選択設定にメソッドを適応させる。
ホテル予約における選択集合の整理は,合理的な有効性最大化とより一致していることを示す。
論文 参考訳(メタデータ) (2021-05-17T15:39:02Z) - Selecting Treatment Effects Models for Domain Adaptation Using Causal
Knowledge [82.5462771088607]
監視されていないドメイン適応設定下でITE法用に特別に設計された新しいモデル選択メトリックを提案する。
特に,介入効果の予測が対象領域の既知の因果構造を満たすモデルを選択することを提案する。
論文 参考訳(メタデータ) (2021-02-11T21:03:14Z) - Characterizing Fairness Over the Set of Good Models Under Selective
Labels [69.64662540443162]
同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。
到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。
選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
論文 参考訳(メタデータ) (2021-01-02T02:11:37Z) - Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。
連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文 参考訳(メタデータ) (2020-07-11T19:44:09Z) - Semi-nonparametric Latent Class Choice Model with a Flexible Class
Membership Component: A Mixture Model Approach [6.509758931804479]
提案したモデルは、従来のランダムユーティリティ仕様に代わるアプローチとして混合モデルを用いて潜在クラスを定式化する。
その結果,混合モデルにより潜在クラス選択モデル全体の性能が向上した。
論文 参考訳(メタデータ) (2020-07-06T13:19:26Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z)
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。