論文の概要: Unified Bayesian Frameworks for Multi-criteria Decision-making

• arxiv url: http://arxiv.org/abs/2208.13390v1
• Date: Mon, 29 Aug 2022 06:47:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:46:27.852338
• Title: Unified Bayesian Frameworks for Multi-criteria Decision-making
• Title（参考訳）: 多基準決定のための統一ベイズフレームワーク
• Authors: Majid Mohammadi
• Abstract要約: 提案するフレームワークは,MCDMにおける長年の基本的な課題に対処することができる。 このモデルは、意思決定者の好みに異なる形の不確実性に対応することができる。 確率的ランク付けスキームは、基準と選択肢の両方のために設計されている。
• 参考スコア（独自算出の注目度）: 6.85316573653194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a Bayesian framework predicated on a probabilistic interpretation of the MCDM problems and encompasses several well-known multi-criteria decision-making (MCDM) methods. Owing to the flexibility of Bayesian models, the proposed framework can address several long-standing, fundamental challenges in MCDM, including group decision-making problems and criteria correlation, in a statistically elegant way. Also, the model can accommodate different forms of uncertainty in the preferences of the decision makers (DMs), such as normal and triangular distributions and interval preferences. Further, a probabilistic mixture model is developed that can group the DMs into several exhaustive classes. A probabilistic ranking scheme is also designed for both criteria and alternatives, where it identifies the extent to which one criterion/alternative is more important than another based on the DM(s) preferences. The experiments validate the outcome of the proposed framework on several numerical examples and highlight its salient features compared to other methods.
• Abstract（参考訳）: 本稿では,MCDM問題を確率論的に解釈したベイズフレームワークについて述べる。 ベイズモデルの柔軟性のため、提案手法はmcdmにおいて、グループ意思決定問題や基準相関など、いくつかの長期にわたる根本的な課題を統計的にエレガントな方法で解決することができる。 また、このモデルは、正規分布や三角形分布、インターバル選好など、意思決定者(DM)の選好において異なる不確実性を満たすことができる。 さらに、DMを複数の網羅的なクラスに分類できる確率的混合モデルを開発した。 確率的ランキングスキームは、基準と代替案の両方に対して設計されており、dm(s) の選好に基づいて、ある基準/代替が他の基準よりも重要である程度を特定する。 実験では,いくつかの数値例で提案手法の有効性を検証し,他の手法と比較して有意な特徴を強調する。

関連論文リスト

• An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
  まず最適化モデルを構築し,非単調な選好をモデル化する。 本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
  論文  参考訳（メタデータ） (2024-09-04T14:36:20Z)
• Lexicographic optimization-based approaches to learning a representative model for multi-criteria sorting with non-monotonic criteria [5.374419989598479]
  本稿では,MCS問題の代表モデルを非単調な基準で学習するためのいくつかのアプローチを提案する。 まず、いくつかの変換関数を定義して、限界値と圏閾値を UTA のような関数空間にマッピングする。 そこで我々は,MCS問題における非単調な基準をモデル化するための制約セットを構築し,意思決定者の代入事例選好情報の整合性を確認する最適化モデルを構築した。
  論文  参考訳（メタデータ） (2024-09-03T05:29:05Z)
• SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation [55.87169702896249]
  Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。 本稿では,DA手法の評価と,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの公平な評価を行うフレームワークを提案する。 本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-07-16T12:52:29Z)
• LLM-enhanced Reranking in Recommender Systems [49.969932092129305]
  リグレードはレコメンデーションシステムにおいて重要な要素であり、レコメンデーションアルゴリズムの出力を精査する上で重要な役割を果たす。 そこで我々は,様々な格付け基準をシームレスに統合する包括的格付けフレームワークを提案する。 カスタマイズ可能な入力機構も統合されており、言語モデルのフォーカスを特定の再配置のニーズに合わせることができる。
  論文  参考訳（メタデータ） (2024-06-18T09:29:18Z)
• A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers [4.239829789304117]
  そこで本研究では,マルチ基準解析に基づいて単一対実数を選択するマルチステージアンサンブル手法を提案する。 提案手法は、検討された品質指標の魅力的な妥協値を持つ、完全に実行可能な対策を生成できる。
  論文  参考訳（メタデータ） (2024-03-20T19:25:11Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• A Novel Unified Conditional Score-based Generative Framework for Multi-modal Medical Image Completion [54.512440195060584]
  我々は、スコアベース生成モデル(SGM)を活用するために、統一多モードスコアベース生成モデル(UMM-CSGM)を提案する。 UMM-CSGMは、新しいマルチインマルチアウトコンディションスコアネットワーク(mm-CSN)を用いて、クロスモーダル条件分布の包括的集合を学習する。 BraTS19データセットの実験により、UMM-CSGMは腫瘍誘発病変における不均一な増強と不規則な領域をより確実に合成できることが示された。
  論文  参考訳（メタデータ） (2022-07-07T16:57:21Z)
• 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)
• Multicriteria Group Decision-Making Under Uncertainty Using Interval Data and Cloud Models [0.0]
  本稿では,データを間隔として収集する不確実性の下で,MCGDM(Multicriteria group decision making)アルゴリズムを提案する。 提案したMCGDMアルゴリズムは、データを集約し、基準の最適な重みを決定し、さらに入力を行わずに代替品をランク付けする。 提案アルゴリズムは,サイバーセキュリティ問題のケーススタディに実装され,その実現可能性と有効性を示す。
  論文  参考訳（メタデータ） (2020-12-01T06:34:48Z)
• Bayesian preference elicitation for multiobjective combinatorial optimization [12.96855751244076]
  DM(Decision Maker)のノイズ応答に対処できる新しいインクリメンタルな選好推論手法を提案する。 DMの選好はパラメータが未知の集約関数で表され、その不確実性はパラメータ空間上の密度関数で表されると仮定する。
  論文  参考訳（メタデータ） (2020-07-29T12:28:37Z)
• Application of independent component analysis and TOPSIS to deal with dependent criteria in multicriteria decision problems [8.637110868126546]
  本稿では,観測データから独立した潜伏基準のセットを推定することを目的とした新しいアプローチを提案する。 我々のアプローチの中心的な要素は、決定問題をブラインドソース分離問題として定式化することである。 我々は,TOPSISをベースとした代替品のランク付け手法を,潜在基準から検討する。
  論文  参考訳（メタデータ） (2020-02-06T13:51:28Z)

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。