論文の概要: Improving Confidence in Evolutionary Mine Scheduling via Uncertainty Discounting

• arxiv url: http://arxiv.org/abs/2305.17957v1
• Date: Mon, 29 May 2023 08:43:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 15:38:40.854337
• Title: Improving Confidence in Evolutionary Mine Scheduling via Uncertainty Discounting
• Title（参考訳）: 不確実性割引による進化的鉱山計画の信頼性向上
• Authors: Michael Stimson, William Reid, Aneta Neumann, Simon Ratcliffe, Frank Neumann
• Abstract要約: 不確実性を考慮した最適スケジュール決定のための新しいアプローチを提案する。 この経済的な枠組みにおける不確実性の扱いは、以前使用が困難だった変動モデルを実用的な洞察に還元する。 我々はMaptekの鉱山計画ソフトウェアEvolutionを用いて実験を行った。
• 参考スコア（独自算出の注目度）: 10.609857097723266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mine planning is a complex task that involves many uncertainties. During early stage feasibility, available mineral resources can only be estimated based on limited sampling of ore grades from sparse drilling, leading to large uncertainty in under-sampled parts of the deposit. Planning the extraction schedule of ore over the life of a mine is crucial for its economic viability. We introduce a new approach for determining an "optimal schedule under uncertainty" that provides probabilistic bounds on the profits obtained in each period. This treatment of uncertainty within an economic framework reduces previously difficult-to-use models of variability into actionable insights. The new method discounts profits based on uncertainty within an evolutionary algorithm, sacrificing economic optimality of a single geological model for improving the downside risk over an ensemble of equally likely models. We provide experimental studies using Maptek's mine planning software Evolution. Our results show that our new approach is successful for effectively making use of uncertainty information in the mine planning process.
• Abstract（参考訳）: 鉱山計画は多くの不確実性を伴う複雑な作業である。 初期可能性では、利用可能な鉱物資源は希薄な掘削による鉱石グレードのサンプリングによってのみ推定できるため、堆積物のサンプルが不足している部分では大きな不確実性が生じる。 鉱業の生涯における鉱石の抽出スケジュールの立案は、その経済性にとって不可欠である。 我々は,各期間に得られた利益の確率的境界を提供する「不確実性下での最適スケジュール」を決定する新しい手法を提案する。 経済枠組み内の不確実性に対するこの処理は、これまで使いづらい可変性のモデルを実行可能な洞察に還元する。 この新しい手法は、進化アルゴリズム内の不確実性に基づいて利益を割引し、同じ可能性を持つモデルのアンサンブルに対するダウンサイドリスクを改善するための単一の地質モデルの経済的最適性を犠牲にする。 我々はMaptekの鉱山計画ソフトウェアEvolutionを用いて実験を行った。 以上の結果から,地雷計画プロセスにおいて不確実性情報を有効に活用することに成功した。

関連論文リスト

• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Pitfall of Optimism: Distributional Reinforcement Learning by Randomizing Risk Criterion [9.35556128467037]
  本稿では,リスクの一方的な傾向を避けるために,リスク基準のランダム化によって行動を選択する新しい分散強化学習アルゴリズムを提案する。 理論的結果は,提案手法がバイアス探索に該当せず,最適回帰に収束することが保証されていることを裏付けるものである。
  論文  参考訳（メタデータ） (2023-10-25T10:53:04Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Model-Based Uncertainty in Value Functions [89.31922008981735]
  MDP上の分布によって引き起こされる値の分散を特徴付けることに重点を置いている。 従来の作業は、いわゆる不確実性ベルマン方程式を解くことで、値よりも後方の分散を境界にしている。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式を提案する。
  論文  参考訳（メタデータ） (2023-02-24T09:18:27Z)
• RAP: Risk-Aware Prediction for Robust Planning [21.83865866611308]
  軌道上のリスクバイアス分布を学習するための新しい予測手法を提案する。 これにより、オンライン計画中のリスク推定のサンプルの複雑さが軽減される。
  論文  参考訳（メタデータ） (2022-10-04T04:19:15Z)
• Distributionally Robust Model-Based Offline Reinforcement Learning with Near-Optimal Sample Complexity [39.886149789339335]
  オフライン強化学習は、積極的に探索することなく、履歴データから意思決定を行うことを学習することを目的としている。 環境の不確実性や変動性から,デプロイされた環境が,ヒストリデータセットの収集に使用される名目上のものから逸脱した場合でも,良好に機能するロバストなポリシーを学ぶことが重要である。 オフラインRLの分布的ロバストな定式化を考察し、有限水平および無限水平の両方でクルバック・リーブラー発散によって指定された不確実性セットを持つロバストマルコフ決定過程に着目する。
  論文  参考訳（メタデータ） (2022-08-11T11:55:31Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• A Regret Minimization Approach to Iterative Learning Control [61.37088759497583]
  我々は、標準的な不確実性の仮定を最悪の場合の後悔に置き換える新しいパフォーマンスメトリック、計画後悔を提案します。 提案アルゴリズムがいくつかのベンチマークで既存の手法よりも優れているという理論的および実証的な証拠を提供します。
  論文  参考訳（メタデータ） (2021-02-26T13:48:49Z)
• Outside the Echo Chamber: Optimizing the Performative Risk [21.62040119228266]
  本研究では,損失関数の性質の自然集合と,その実行リスクが凸となるモデル誘起分布シフトを同定する。 導関数のない凸最適化の一般的な方法よりも優れたサンプル効率で性能リスクを最適化するために,構造的仮定を活用するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-02-17T04:36:39Z)
• Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
  強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。 本稿では,評価値のバイアスや時間的に矛盾する点を強調した。 本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-05T18:11:22Z)

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。