論文の概要: Resilience Evaluation of Entropy Regularized Logistic Networks with Probabilistic Cost

• arxiv url: http://arxiv.org/abs/2212.02060v1
• Date: Mon, 5 Dec 2022 06:51:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 19:36:48.960927
• Title: Resilience Evaluation of Entropy Regularized Logistic Networks with Probabilistic Cost
• Title（参考訳）: 確率的コストを考慮したエントロピー正規化ロジスティックネットワークのレジリエンス評価
• Authors: Koshi Oishi, Yota Hashizume, Tomohiko Jimbo, Hirotaka Kaji, and Kenji Kashima
• Abstract要約: 近年の災害により、回復力のある物流網の需要が高まっている。 本研究では,エントロピー正規化に基づくレジリエントなロジスティクスネットワークの設計手法を提案する。
• 参考スコア（独自算出の注目度）: 5.743156139082517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The demand for resilient logistics networks has increased because of recent disasters. When we consider optimization problems, entropy regularization is a powerful tool for the diversification of a solution. In this study, we proposed a method for designing a resilient logistics network based on entropy regularization. Moreover, we proposed a method for analytical resilience criteria to reduce the ambiguity of resilience. First, we modeled the logistics network, including factories, distribution bases, and sales outlets in an efficient framework using entropy regularization. Next, we formulated a resilience criterion based on probabilistic cost and Kullback--Leibler divergence. Finally, our method was performed using a simple logistics network, and the resilience of the three logistics plans designed by entropy regularization was demonstrated.
• Abstract（参考訳）: 近年の災害により、レジリエントなロジスティクスネットワークの需要が増加している。 最適化問題を考えるとき、エントロピー正則化は解の多様化のための強力なツールである。 本研究では,エントロピー正規化に基づくレジリエントなロジスティクスネットワークの設計手法を提案する。 さらに,レジリエンスのあいまいさを低減させる解析的レジリエンス基準法を提案した。 まず,エントロピー正規化を用いた効率的な枠組みで,工場,流通拠点,販売拠点を含むロジスティクスネットワークをモデル化した。 次に,確率的コストとKulback-Leibler分散に基づくレジリエンス基準を定式化した。 最後に,単純なロジスティクスネットワークを用いて,エントロピー正規化により設計した3つのロジスティクス計画のレジリエンスを実証した。

関連論文リスト

• Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
  モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。 本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
  論文  参考訳（メタデータ） (2024-07-10T09:13:11Z)
• A network-constrain Weibull AFT model for biomarkers discovery [0.0]
  AFTNetはWeibullAccelerated failure time (AFT)モデルに基づくネットワーク制約サバイバル分析手法である。 本稿では,近位勾配法に基づく効率的な反復計算アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-28T11:12:53Z)
• Imitation-regularized Optimal Transport on Networks: Provable Robustness and Application to Logistics Planning [4.943443725022745]
  I-OTソリューションは、ネットワーク上で定義されたコストの観点から堅牢性を示した。 また,提案手法の有効性と意義を実証するために,模倣とアプリオリリスク情報のシナリオについても検討した。
  論文  参考訳（メタデータ） (2024-02-28T01:19:42Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Compressed Regression over Adaptive Networks [58.79251288443156]
  分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。 エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
  論文  参考訳（メタデータ） (2023-04-07T13:41:08Z)
• Provably tuning the ElasticNet across instances [53.0518090093538]
  我々は、複数の問題インスタンスにまたがるリッジ回帰、LASSO、ElasticNetの正規化パラメータをチューニングする問題を考察する。 我々の結果は、この重要な問題に対する学習理論による最初の一般的な保証である。
  論文  参考訳（メタデータ） (2022-07-20T21:22:40Z)
• Finite-Time Analysis of Entropy-Regularized Neural Natural Actor-Critic Algorithm [29.978816372127085]
  ニューラルネットワーク近似を用いたNatural actor-critic (NAC) の有限時間解析を行った。 ニューラルネットワーク,正規化,最適化技術の役割を特定し,優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-06-02T02:13:29Z)
• Edge Rewiring Goes Neural: Boosting Network Resilience via Policy Gradient [62.660451283548724]
  ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。 ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-18T06:14:28Z)
• Entropic alternatives to initialization [0.0]
  統計物理学および情報理論の言語における異方性局所的エントロピー滑らか化の解析を行う。 我々は、再正規化の物理と畳み込みネットワークの時空構造に関するいくつかの側面を論じる。
  論文  参考訳（メタデータ） (2021-07-16T08:17:32Z)
• Multivariate Deep Evidential Regression [77.34726150561087]
  不確実性を認識するニューラルネットワークによる新しいアプローチは、従来の決定論的手法よりも有望である。 本稿では,レグレッションベースニューラルネットワークからアレータ性およびてんかん性不確かさを抽出する手法を提案する。
  論文  参考訳（メタデータ） (2021-04-13T12:20:18Z)
• DANR: Discrepancy-aware Network Regularization [15.239252118069762]
  ネットワーク正規化は、ネットワーク上のコヒーレントモデルを学習するための効果的なツールである。 本稿では,正規化が不十分で,時間的ネットワーク上でのモデル進化と構造変化を効果的に捉える新しい手法を提案する。 本研究では,乗算器の交互化法(ADMM)に基づくスケーラブルでスケーラブルなアルゴリズムを開発し,大域的最適解への収束を保証する。
  論文  参考訳（メタデータ） (2020-05-31T02:01:19Z)

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。