論文の概要: How to predict and optimise with asymmetric error metrics
- arxiv url: http://arxiv.org/abs/2211.13586v1
- Date: Thu, 24 Nov 2022 13:16:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 17:39:15.018934
- Title: How to predict and optimise with asymmetric error metrics
- Title(参考訳): 非対称誤差メトリクスによる予測と最適化の方法
- Authors: Mahdi Abolghasemi, Richard Bean
- Abstract要約: 本稿では,IEEE計算情報学会の第3回技術課題に言及して,予測と最適化の問題の概念を検討する。
この大会では、参加者は6つの建物と6つのソーラー施設で建設エネルギーの使用と発電を予測し、1ヶ月にわたってクラスとバッテリーをスケジューリングしながらエネルギーコストを最適化するためにその予測を利用するよう求められた。
予測・最適化フェーズにおける損失関数の異なる性質について検討し,最適化コストの向上のために最終予測を調整することを提案する。
- 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: In this paper, we examine the concept of the predict and optimise problem
with specific reference to the third Technical Challenge of the IEEE
Computational Intelligence Society. In this competition, entrants were asked to
forecast building energy use and solar generation at six buildings and six
solar installations, and then use their forecast to optimize energy cost while
scheduling classes and batteries over a month. We examine the possible effect
of underforecasting and overforecasting and asymmetric errors on the
optimisation cost. We explore the different nature of loss functions for the
prediction and optimisation phase and propose to adjust the final forecasts for
a better optimisation cost. We report that while there is a positive
correlation between these two, more appropriate loss functions can be used to
optimise the costs associated with final decisions.
- Abstract(参考訳): 本稿では,ieee計算知能学会の第3の技術的課題を特に参考にして,予測と最適化の問題の概念を検討する。
この大会では、参加者は6つの建物と6つのソーラー施設で建設エネルギーの使用と発電を予測し、1ヶ月かけてクラスとバッテリーをスケジューリングしながらエネルギーコストを最適化する。
過度な予測と過度な予測と非対称な誤差が最適化コストに与える影響を検討する。
予測および最適化フェーズにおける損失関数の異なる性質について検討し、最適化コストを改善するために最終予測を調整することを提案する。
この2つには正の相関関係があるが、最終決定に伴うコストを最適化するためにより適切な損失関数を用いることができる。
関連論文リスト
- End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳(メタデータ) (2024-02-12T16:33:35Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - Business Metric-Aware Forecasting for Inventory Management [3.612315888343108]
時系列予測はビジネス計画において重要な役割を果たす。
フォアキャスターは通常、下流のビジネス目標に非依存な目標を最適化します。
エンドツーエンドの最適化は、標準的なビジネスに依存しない予測指標の最適化よりも優れていることがよく示される。
論文 参考訳(メタデータ) (2023-08-24T23:49:27Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳(メタデータ) (2023-04-17T10:59:57Z) - Comparison and Evaluation of Methods for a Predict+Optimize Problem in
Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。
コンペティションにおける上位7つのソリューションの比較と評価を行う。
勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文 参考訳(メタデータ) (2022-12-21T02:34:12Z) - Multistep Multiappliance Load Prediction [0.0]
我々は4つの異なる領域の4つのデータセットに基づいて,アプライアンスレベルの負荷予測のための堅牢で正確なモデルを構築した。
実験結果から,長期記憶(LSTM)モデルと並行して,時間特性と気象指標の周期的符号化が最適性能を示すことが示された。
論文 参考訳(メタデータ) (2022-12-19T13:01:51Z) - Multi-Resolution, Multi-Horizon Distributed Solar PV Power Forecasting
with Forecast Combinations [2.126171264016785]
我々は,5つの最先端予測モデルと,複数の解像度と地平線における既存予測組み合わせの性能に関する知見を提供する。
本稿では,粒子群最適化(PSO)に基づく予測組み合わせ手法を提案する。
論文 参考訳(メタデータ) (2022-06-22T01:27:04Z) - The Perils of Learning Before Optimizing [16.97597806975415]
本稿では,最適化タスクを通じて予測モデルを識別することで,エンドツーエンドで予測モデルを学習する方法を示す。
2段階のアプローチとエンドツーエンドのアプローチのパフォーマンスギャップは、最適化における相関の概念の強調と密接に関係していることが示される。
論文 参考訳(メタデータ) (2021-06-18T20:43:47Z) - Regret-Optimal Filtering [57.51328978669528]
後悔最適化レンズによる線形状態空間モデルにおけるフィルタの問題を検討する。
我々は, 透視推定器の誤差エネルギー推定における後悔の概念に基づいて, フィルタ設計のための新しい基準を定式化する。
3つのリッキー方程式と1つのリャプノフ方程式を解くことで、後悔と最適推定が容易に実現できることを示す。
論文 参考訳(メタデータ) (2021-01-25T19:06:52Z) - Right Decisions from Wrong Predictions: A Mechanism Design Alternative
to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。
本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。
本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文 参考訳(メタデータ) (2020-11-15T08:22:39Z)
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。