論文の概要: Computer vision-enriched discrete choice models, with an application to residential location choice

• arxiv url: http://arxiv.org/abs/2308.08276v1
• Date: Wed, 16 Aug 2023 10:33:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 13:55:22.894455
• Title: Computer vision-enriched discrete choice models, with an application to residential location choice
• Title（参考訳）: コンピュータビジョンに富む離散的選択モデルと住宅地選択への応用
• Authors: Sander van Cranenburgh and Francisco Garrido-Valenzuela
• Abstract要約: 本研究では,コンピュータビジョン強化離散選択モデル(CV-DCM)を提案する。 CV-DCMはコンピュータビジョンと従来の離散選択モデルを統合することで、数値属性と画像を含む選択タスクを処理できる。 本研究では,住宅地選択を含む新たな選択実験により得られたデータにCV-DCMを適用して,提案手法を実証する。
• 参考スコア（独自算出の注目度）: 1.3812010983144802
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Visual imagery is indispensable to many multi-attribute decision situations. Examples of such decision situations in travel behaviour research include residential location choices, vehicle choices, tourist destination choices, and various safety-related choices. However, current discrete choice models cannot handle image data and thus cannot incorporate information embedded in images into their representations of choice behaviour. This gap between discrete choice models' capabilities and the real-world behaviour it seeks to model leads to incomplete and, possibly, misleading outcomes. To solve this gap, this study proposes "Computer Vision-enriched Discrete Choice Models" (CV-DCMs). CV-DCMs can handle choice tasks involving numeric attributes and images by integrating computer vision and traditional discrete choice models. Moreover, because CV-DCMs are grounded in random utility maximisation principles, they maintain the solid behavioural foundation of traditional discrete choice models. We demonstrate the proposed CV-DCM by applying it to data obtained through a novel stated choice experiment involving residential location choices. In this experiment, respondents faced choice tasks with trade-offs between commute time, monthly housing cost and street-level conditions, presented using images. As such, this research contributes to the growing body of literature in the travel behaviour field that seeks to integrate discrete choice modelling and machine learning.
• Abstract（参考訳）: 視覚画像は多くの複数の属性決定状況に不可欠である。 旅行行動研究におけるこのような意思決定の例としては、住宅地選択、車両選択、観光先選択、各種安全関連選択などがある。 しかし、現在の離散選択モデルは画像データを処理できないため、画像に埋め込まれた情報を選択行動の表現に組み込むことはできない。 個別選択モデルの能力とそれがモデル化しようとしている現実世界の振る舞いのギャップは、不完全で、おそらく誤解を招く結果をもたらす。 そこで本研究では,コンピュータビジョン強化離散選択モデル(CV-DCM)を提案する。 CV-DCMはコンピュータビジョンと従来の離散選択モデルを統合することで、数値属性と画像を含む選択タスクを処理できる。 さらに、CV-DCMはランダムなユーティリティ最大化原理に基づいているため、従来の離散選択モデルの固体的な振る舞いの基礎を維持している。 提案するcv-dcmを,住宅地選択を含む新たな選択実験により得られたデータに適用して実証する。 本実験では, 通勤時間, 月次住宅コスト, 街路レベルの条件のトレードオフによる選択課題を画像を用いて提示した。 このように、この研究は、個別選択モデリングと機械学習の統合を目指す旅行行動分野の文学の発展に寄与している。

関連論文リスト

• Measuring Agreeableness Bias in Multimodal Models [0.3529736140137004]
  本稿では,複数モーダル言語モデルにおける画像に対する事前マーク付きオプションがモデル応答に影響を及ぼす現象について検討する。 複数選択質問の画像付きモデルを提示し、まず最初に正解し、次に予めマークされたオプションで同じモデルをバージョンに公開する。 この結果から,中立条件下での回答に矛盾する場合でも,事前マーク付きオプションに対するモデルの反応が著しく変化していることが判明した。
  論文  参考訳（メタデータ） (2024-08-17T06:25:36Z)
• Diversified Batch Selection for Training Acceleration [68.67164304377732]
  オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。 バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。 DivBS(Diversified Batch Selection)を提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:12:20Z)
• Modeling Latent Selection with Structural Causal Models [1.4747234049753455]
  本稿では,構造因果モデル (Structure Causal Models, SCM) の条件付け操作を導入し,因果的観点からの潜在選択をモデル化する。 条件付け操作は、明示的な遅延選択機構の存在下でSCMをそのような選択機構のないSCMに変換することを示す。
  論文  参考訳（メタデータ） (2024-01-12T23:14:34Z)
• Images in Discrete Choice Modeling: Addressing Data Isomorphism in Multi-Modality Inputs [77.54052164713394]
  本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。 本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
  論文  参考訳（メタデータ） (2023-12-22T14:33:54Z)
• Subjectivity in Unsupervised Machine Learning Model Selection [2.9370710299422598]
  本研究では、モデル選択に関わる主観性を調べる例として、隠れマルコフモデルを用いる。 主観性の源泉には、異なる基準とメトリクスの重要性についての異なる意見、モデルがどのように同化されるべきなのか、データセットのサイズがモデル選択にどのように影響するかについての異なる見解が含まれる。
  論文  参考訳（メタデータ） (2023-09-01T01:40:58Z)
• Improving Heterogeneous Model Reuse by Density Estimation [105.97036205113258]
  本稿では,異なる参加者の個人データを用いてモデルを学習することを目的とした多人数学習について検討する。 モデルの再利用は、各パーティーのためにローカルモデルがトレーニングされていると仮定して、マルチパーティの学習にとって有望なソリューションである。
  論文  参考訳（メタデータ） (2023-05-23T09:46:54Z)
• Online simulator-based experimental design for cognitive model selection [74.76661199843284]
  本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。 シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
  論文  参考訳（メタデータ） (2023-03-03T21:41:01Z)
• In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
  本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。 選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
  論文  参考訳（メタデータ） (2023-02-06T16:55:37Z)
• Deep Learning for Choice Modeling [5.173001988341294]
  我々は,機能フリーと機能ベースという2つの選択モデルに基づいて,ディープラーニングに基づく選択モデルを構築した。 本モデルでは,候補選択に対する本質的効用と,候補選択が選択確率に与える影響の両方を捉える。
  論文  参考訳（メタデータ） (2022-08-19T13:10:17Z)
• A modular framework for object-based saccadic decisions in dynamic scenes [5.7047887413125276]
  動的実世界のシーンにおける人間の眼球運動挙動をシミュレーションするための新しいモデルを提案する。 我々は、この活発なシーン探索をシーケンシャルな意思決定プロセスとしてモデル化する。 可能な選択ごとに、モデルは時間とともにエビデンスを統合し、エビデンスが決定しきい値を越えるとすぐに決定(サッカディック・アイ・ムーブメント)がトリガーされる。
  論文  参考訳（メタデータ） (2021-06-10T22:28:45Z)
• Incorporating Vision Bias into Click Models for Image-oriented Search Engine [51.192784793764176]
  本論文では,画像指向検索エンジンに視覚バイアスが存在することを,位置以外の検査確率に影響する重要な要因と仮定する。 候補文書から抽出した視覚特徴から視覚バイアスを予測するために回帰型emアルゴリズムを用いた。
  論文  参考訳（メタデータ） (2021-01-07T10:01:31Z)

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。