論文の概要: Multicriteria decision support employing adaptive prediction in a
tensor-based feature representation
- arxiv url: http://arxiv.org/abs/2401.06868v1
- Date: Fri, 12 Jan 2024 19:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 20:55:21.020886
- Title: Multicriteria decision support employing adaptive prediction in a
tensor-based feature representation
- Title（参考訳）: テンソル型特徴表現における適応予測を用いた多重基準決定支援
- Authors: Betania Silva Carneiro Campello, Leonardo Tomazeli Duarte, Jo\~ao
Marcos Travassos Romano
- Abstract要約: マルチ基準決定分析は、一組の選択肢を分類または分類する決定を支援するために広く用いられるツールである。
近年の研究では、各基準の現在の評価だけでなく、過去のデータも考慮していることが示されている。
本研究は、テンソル表現や適応予測といった信号処理の必須ツールを通じてこの問題に対処する。
- 参考スコア（独自算出の注目度）: 8.333246626497361
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multicriteria decision analysis (MCDA) is a widely used tool to support
decisions in which a set of alternatives should be ranked or classified based
on multiple criteria. Recent studies in MCDA have shown the relevance of
considering not only current evaluations of each criterion but also past data.
Past-data-based approaches carry new challenges, especially in time-varying
environments. This study deals with this challenge via essential tools of
signal processing, such as tensorial representations and adaptive prediction.
More specifically, we structure the criteria' past data as a tensor and, by
applying adaptive prediction, we compose signals with these prediction values
of the criteria. Besides, we transform the prediction in the time domain into a
most favorable decision making domain, called the feature domain. We present a
novel extension of the MCDA method PROMETHEE II, aimed at addressing the tensor
in the feature domain to obtain a ranking of alternatives. Numerical
experiments were performed using real-world time series, and our approach is
compared with other existing strategies. The results highlight the relevance
and efficiency of our proposal, especially for nonstationary time series.
- Abstract（参考訳）: マルチ基準決定分析(MCDA)は、選択肢の集合を複数の基準に基づいて分類または分類する決定を支援するために広く用いられるツールである。
MCDAにおける最近の研究は、各基準の現在の評価だけでなく過去のデータも考慮していることの関連性を示している。
過去データベースのアプローチは、特に時変環境において、新しい課題をもたらす。
本研究は、テンソル表現や適応予測といった信号処理の必須ツールを通じてこの問題に対処する。
より具体的には、基準の過去のデータをテンソルとして構成し、適応予測を適用することで、これらの基準の予測値で信号を構成する。
さらに、時間領域の予測を、機能ドメインと呼ばれる、最も好ましい意思決定領域に変換する。
本稿では,特徴領域のテンソルに対処して代替品のランク付けを行うMCDA法Promethee IIの新たな拡張について述べる。
実世界の時系列を用いて数値実験を行い,既存の手法と比較した。
その結果,提案手法の妥当性と効率性,特に非定常時系列について明らかにした。
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) - 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) - JANET: Joint Adaptive predictioN-region Estimation for Time-series [28.19630729432862]
共形予測領域を構築するための新しいフレームワークであるJANET(Joint Adaptive predictioN- Region Estimation for Time-Series)を提案する。
JANETは、帰納的共形フレームワークを一般化し、制御されたK系列誤差率の合同予測領域を効率的に生成する。
我々の経験的評価は、JANETが様々な時系列データセットにまたがる多段階予測タスクにおいて優れた性能を示している。
論文 参考訳（メタデータ） (2024-07-08T21:03:15Z) - Conformalized Selective Regression [2.3964255330849356]
共形予測を利用した選択回帰手法を提案する。
提案手法は, 選択回帰に適合し, 複数の最先端ベースラインに対して有利であることを示す。
論文 参考訳（メタデータ） (2024-02-26T04:43:50Z) - Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes:
Functional and Augmented Data Structures in Financial Forecasting [0.0]
本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。
GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。
これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
論文 参考訳（メタデータ） (2024-02-23T06:09:45Z) - Data-driven Preference Learning Methods for Sorting Problems with
Multiple Temporal Criteria [17.673512636899076]
本研究では,時間的基準が存在する場合の複数基準ソート問題に対する新しい選好学習手法を提案する。
スケーラビリティを向上し、学習可能な時間割引要素に対応するため、新しい単調リカレントニューラルネットワーク(mRNN)を導入する。
提案するmRNNは、時間とともに、限界値関数とパーソナライズされた時間割引係数を記述することにより、好みのダイナミクスを記述することができる。
論文 参考訳（メタデータ） (2023-09-22T05:08:52Z) - 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) - Systematic Evaluation of Predictive Fairness [60.0947291284978]
バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。
複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。
データ条件が相対モデルの性能に強い影響を与えることがわかった。
論文 参考訳（メタデータ） (2022-10-17T05:40:13Z) - Domain Adaptation with Adversarial Training on Penultimate Activations [82.9977759320565]
教師なし領域適応(Unsupervised Domain Adaptation, UDA)の重要な目的は、ラベルなし対象データに対するモデル予測の信頼性を高めることである。
我々は,この戦略が,入力画像や中間特徴に対する敵対的訓練よりも予測信頼性を高める目的と,より効率的で相関性が高いことを示す。
論文 参考訳（メタデータ） (2022-08-26T19:50:46Z) - Model-Based Domain Generalization [96.84818110323518]
本稿では,モデルベースドメイン一般化問題に対する新しいアプローチを提案する。
我々のアルゴリズムは、最新のwildsベンチマークの最先端手法を最大20ポイント上回った。
論文 参考訳（メタデータ） (2021-02-23T00:59:02Z) - A study of the Multicriteria decision analysis based on the time-series
features and a TOPSIS method proposal for a tensorial approach [1.3750624267664155]
本稿では, 時系列の特徴(依存性, ばらつきなど)に基づいて, 選択肢をランク付けする新しい手法を提案する。
この新しいアプローチでは、データは3次元で構造化され、テキストテンソルのようなより複雑なデータ構造を必要とする。
計算結果から,有意義な意思決定情報を考慮することで,新たな視点から選択肢をランク付けすることが可能であることが示唆された。
論文 参考訳（メタデータ） (2020-10-21T14:37:02Z)
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。