Fugu-MT 論文翻訳(概要): The Contextual Appointment Scheduling Problem

論文の概要: The Contextual Appointment Scheduling Problem

arxiv url: http://arxiv.org/abs/2108.05531v1
Date: Thu, 12 Aug 2021 04:51:26 GMT
ステータス: 処理完了
システム内更新日: 2021-08-14 01:43:38.610627
Title: The Contextual Appointment Scheduling Problem
Title（参考訳）: コンテキストアポイントスケジューリング問題
Authors: Nima Salehi Sadghiani, Saeid Motiian
Abstract要約: タスクベース損失関数を用いた統合的推定と最適化問題としてASPを定式化する。我々は、文脈の使用を正当化するために、それらを含むことが不一致な決定に結びつくことを示す。
参考スコア（独自算出の注目度）: 4.644923443649425
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study is concerned with the determination of optimal appointment times for a sequence of jobs with uncertain duration. We investigate the data-driven Appointment Scheduling Problem (ASP) when one has $n$ observations of $p$ features (covariates) related to the jobs as well as historical data. We formulate ASP as an Integrated Estimation and Optimization problem using a task-based loss function. We justify the use of contexts by showing that not including the them yields to inconsistent decisions, which translates to sub-optimal appointments. We validate our approach through two numerical experiments.
Abstract（参考訳）: 本研究は、一定期間のジョブの順序に対する最適なアポイントタイムの決定に関するものである。データ駆動型アポポインメントスケジューリング問題(ASP)について,ジョブや履歴データに関連する機能(変数)を$n$で観測した場合に検討する。タスクベース損失関数を用いた統合的推定と最適化問題としてASPを定式化する。我々は、文脈の使用を正当化するために、それらを含むことが不一致な決定に結びつくことを示す。我々は2つの数値実験を通してアプローチを検証する。

関連論文リスト

Online Data Collection for Efficient Semiparametric Inference [41.49486724979923]
提案する2つのオンラインデータ収集ポリシーであるExplore-then-CommitとExplore-then-Greedyは、パラメータ推定を所定の時間で使用して、将来のステップで残りの予算を最適に割り当てる。両政策がオラクル政策に対してゼロ後悔(MSEによる評価)を達成することを実証する。
論文参考訳（メタデータ） (2024-11-05T15:40:53Z)
Better Understandings and Configurations in MaxSAT Local Search Solvers via Anytime Performance Analysis [19.427618495018812]
本稿では,MaxSATの局所探索性能を常に比較するために,経験的累積分布関数を用いることを実証する。この研究は、任意の時間パフォーマンスの量的および高いばらつきが、マシンにより良いパラメータ設定を求めるためのガイドとなることも示している。
論文参考訳（メタデータ） (2024-03-11T10:10:35Z)
Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。本稿では,関数近似に適合する2つの実験計画戦略を提案する。そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文参考訳（メタデータ） (2024-01-10T14:40:23Z)
Data-CUBE: Data Curriculum for Instruction-based Sentence Representation Learning [85.66907881270785]
本稿では,学習用マルチタスクデータの順序を列挙するデータカリキュラム,すなわちData-CUBEを提案する。タスクレベルでは、タスク間の干渉リスクを最小化するために最適なタスクオーダーを見つけることを目的としている。インスタンスレベルでは、タスク毎のすべてのインスタンスの難易度を測定し、トレーニングのためにそれらを簡単に微分できるミニバッチに分割します。
論文参考訳（メタデータ） (2024-01-07T18:12:20Z)
Active Ranking of Experts Based on their Performances in Many Tasks [72.96112117037465]
我々は、dタスクのパフォーマンスに基づいて、n名のエキスパートをランク付けする問題を考察する。我々は,各専門家のペアに対して,各タスクにおいて他方よりも優れているという,単調な仮定を定めている。
論文参考訳（メタデータ） (2023-06-05T06:55:39Z)
Multi-task Bias-Variance Trade-off Through Functional Constraints [102.64082402388192]
マルチタスク学習は、多様なタスクによく機能する関数の集合を取得することを目的としている。本稿では,2つの極端な学習シナリオ,すなわちすべてのタスクに対する単一関数と,他のタスクを無視するタスク固有関数から直感を抽出する。本稿では,集中関数に対するドメイン固有解を強制する制約付き学習定式化を導入する。
論文参考訳（メタデータ） (2022-10-27T16:06:47Z)
Collaborative Anomaly Detection [66.51075412012581]
本研究では,タスク間の相関関係を埋め込むことで,全てのタスクを共同で学習するための協調的異常検出(CAD)を提案する。条件密度推定と条件確率比推定を用いてCADを探索する。タスク埋め込みモデルを学ぶために、前もって少数のタスクを選択し、それを使ってタスク埋め込みをウォームスタートさせることは有益である。
論文参考訳（メタデータ） (2022-09-20T18:01:07Z)
Generalized Conflict-directed Search for Optimal Ordering Problems [18.231677739397973]
本稿では,イベントの全順序を最適に生成する分枝順序付け法GCDOを提案する。汎用的な紛争を推論する能力があるため、GCDOは以前の競合指向アプローチCDITOよりも高品質の総注文を見つけるのにはるかに効率的です。
論文参考訳（メタデータ） (2021-03-31T18:46:48Z)
Solving a Multi-resource Partial-ordering Flexible Variant of the Job-shop Scheduling Problem with Hybrid ASP [0.4511923587827302]
我々は、MPF-JSS(Multi-resource Partial-ordering Flexible Job-shop Scheduling)問題を検討する。リソースは柔軟性があり、その特性に応じて1つ以上の操作を実行できる。中規模半導体故障解析ラボから抽出された一組のインスタンスについて実験した結果,本手法は実世界の91インスタンス中87のスケジュールを見出すことができた。
論文参考訳（メタデータ） (2021-01-25T15:21:32Z)
To Schedule or not to Schedule: Extracting Task Specific Temporal Entities and Associated Negation Constraints [2.053142696037897]
テキストから日時エンティティを抽出する技術研究の現状はタスク非依存である。本稿では,メールベースのデジタルAIスケジューリングアシスタントにおける会議スケジュールのコンテキストにおいて,日時理解の課題に対する手法の有効性を示す。
論文参考訳（メタデータ） (2020-11-15T10:07:19Z)
Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
論文参考訳（メタデータ） (2020-02-18T06:29:01Z)

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。