論文の概要: Heuristic Rating Estimation Method for the incomplete pairwise comparisons matrices

• arxiv url: http://arxiv.org/abs/2207.10783v1
• Date: Thu, 21 Jul 2022 23:14:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-25 13:33:05.682661
• Title: Heuristic Rating Estimation Method for the incomplete pairwise comparisons matrices
• Title（参考訳）: 不完全対比較行列に対するヒューリスティック評価法
• Authors: Konrad Ku{\l}akowski and Anna K\k{e}dzior
• Abstract要約: ヒューリスティックレーティング推定法により、意思決定者は既存のランキングデータと専門家の比較に基づいて決定できる。 これらのアルゴリズムがどのように拡張され、専門家が全ての選択肢をペアで比較する必要がないかを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Heuristic Rating Estimation Method enables decision-makers to decide based on existing ranking data and expert comparisons. In this approach, the ranking values of selected alternatives are known in advance, while these values have to be calculated for the remaining ones. Their calculation can be performed using either an additive or a multiplicative method. Both methods assumed that the pairwise comparison sets involved in the computation were complete. In this paper, we show how these algorithms can be extended so that the experts do not need to compare all alternatives pairwise. Thanks to the shortening of the work of experts, the presented, improved methods will reduce the costs of the decision-making procedure and facilitate and shorten the stage of collecting decision-making data.
• Abstract（参考訳）: ヒューリスティックレーティング推定法により、意思決定者は既存のランキングデータと専門家の比較に基づいて決定できる。 このアプローチでは、選択された代替品のランキング値は事前に知られており、残りのものについてはこれらの値を計算する必要がある。 これらの計算は加法または乗法を用いて行うことができる。 どちらの方法も計算にかかわる対比較集合は完備であると仮定した。 本稿では,これらのアルゴリズムを,専門家が任意の選択肢をペアで比較する必要がなくなるように拡張する方法を示す。 提案手法は,専門家の作業の短縮により,意思決定手順のコストを削減し,意思決定データの収集を促進・短縮する。

関連論文リスト

• Detection of decision-making manipulation in the pairwise comparisons method [0.2678472239880052]
  本稿では,ペアワイズ比較法における3つの簡単な操作法を提案する。 次に、適切に構築されたニューラルネットワークを用いてこれらの手法を検出する。 実験の結果,生成したデータに対する提案した解に付随し,かなりの操作検出レベルを示した。
  論文  参考訳（メタデータ） (2024-05-26T20:58:12Z)
• Approximating Score-based Explanation Techniques Using Conformal Regression [0.1843404256219181]
  スコアベースの説明可能な機械学習技術は、ブラックボックスモデルの背後にあるロジックを理解するためにしばしば使用される。 本稿では,SHAPなどのスコアベースの説明手法の出力を近似するために,計算コストの低い回帰モデルを提案する。 本稿では,提案モデルから得られた近似的説明を効率的に評価する大規模実証研究の結果を報告する。
  論文  参考訳（メタデータ） (2023-08-23T07:50:43Z)
• Are metaheuristics worth it? A computational comparison between nature-inspired and deterministic techniques on black-box optimization problems [0.0]
  本稿では,これらの各ブランチから選択した手法の広範な比較を行う。 その結果,目的関数評価が比較的安価である状況に対処する場合,本手法は決定論的手法よりも性能が著しく向上することがわかった。
  論文  参考訳（メタデータ） (2022-12-13T19:44:24Z)
• Model-Free Reinforcement Learning with the Decision-Estimation Coefficient [79.30248422988409]
  本稿では,汎用関数近似による構造化帯域と強化学習を包含する対話型意思決定の課題について考察する。 提案手法は,値関数近似を用いたモデル自由強化学習における残差を導出し,より一般的には有効かつ不可能な構造的結果を与える。
  論文  参考訳（メタデータ） (2022-11-25T17:29:40Z)
• Manipulation of individual judgments in the quantitative pairwise comparisons method [0.0]
  専門家(意思決定者)はその判断に誠実であると一般的に信じられている。 私たちの研究では、専門家が収賄に弱いシナリオを考えます。
  論文  参考訳（メタデータ） (2022-11-01T22:35:00Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)
• Methods of ranking for aggregated fuzzy numbers from interval-valued data [0.0]
  本論文は, 時間間隔から集約ファジィ数をランク付けする2つの手法を, Interval Agreement Approach (IAA) を用いて提案する。 提案手法の改良とともに, 従来手法の欠点を, 合成・実世界の両面から示す。
  論文  参考訳（メタデータ） (2020-12-03T02:56:15Z)
• Efficient Ensemble Model Generation for Uncertainty Estimation with Bayesian Approximation in Segmentation [74.06904875527556]
  アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。 提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。 また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
  論文  参考訳（メタデータ） (2020-05-21T16:08:38Z)
• Learning with Differentiable Perturbed Optimizers [54.351317101356614]
  本稿では,操作を微分可能で局所的に一定ではない操作に変換する手法を提案する。 提案手法は摂動に依拠し,既存の解法とともに容易に利用することができる。 本稿では,この枠組みが,構造化予測において発達した損失の族とどのように結びつくかを示し,学習課題におけるそれらの使用に関する理論的保証を与える。
  論文  参考訳（メタデータ） (2020-02-20T11:11:32Z)

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。