論文の概要: Decision-Focused Forecasting: Decision Losses for Multistage Optimisation

• arxiv url: http://arxiv.org/abs/2405.14719v1
• Date: Thu, 23 May 2024 15:48:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 14:06:33.654517
• Title: Decision-Focused Forecasting: Decision Losses for Multistage Optimisation
• Title（参考訳）: 意思決定型予測:多段階最適化のための決定損失
• Authors: Egon Peršak, Miguel F. Anjos,
• Abstract要約: 本稿では,予測の時間的時間的決定効果を考慮した多層モデルである決定中心予測を提案する。 本モデルでは,予測による状態パスを考慮した調整を行った。 エネルギー貯蔵調停タスクへのモデルの適用を実証し,本モデルが既存手法より優れていることを報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision-focused learning has emerged as a promising approach for decision making under uncertainty by training the upstream predictive aspect of the pipeline with respect to the quality of the downstream decisions. Most existing work has focused on single stage problems. Many real-world decision problems are more appropriately modelled using multistage optimisation as contextual information such as prices or demand is revealed over time and decisions now have a bearing on future decisions. We propose decision-focused forecasting, a multiple-implicitlayer model which in its training accounts for the intertemporal decision effects of forecasts using differentiable optimisation. The recursive model reflects a fully differentiable multistage optimisation approach. We present an analysis of the gradients produced by this model showing the adjustments made to account for the state-path caused by forecasting. We demonstrate an application of the model to an energy storage arbitrage task and report that our model outperforms existing approaches.
• Abstract（参考訳）: 意思決定を重視した学習は、下流の意思決定の品質に関して、パイプラインの上流予測的な側面をトレーニングすることで、不確実性の下で意思決定するための有望なアプローチとして現れています。 既存の作業の多くは、単一ステージの問題に重点を置いています。 多くの現実の意思決定問題は、時間とともに価格や需要などの文脈情報を明らかにするため、多段階最適化を用いてより適切にモデル化されている。 本稿では,予測の時間的時間的決定効果を考慮した多層モデルである決定中心予測を提案する。 再帰モデルは、完全に微分可能な多段階最適化アプローチを反映している。 本モデルでは,予測による状態パスを考慮した調整を行った。 エネルギー貯蔵調停タスクへのモデルの適用を実証し,本モデルが既存手法より優れていることを報告する。

関連論文リスト

• Distilling Analysis from Generative Models for Investment Decisions [21.079716095758158]
  専門家の意思決定過程をシミュレートする新しいデータセットA3を導入する。 現在のモデルでは,プロフェッショナルの行動を予測する上での課題が指摘されているが,提案したChain-of-Decisionアプローチは,有望な改善を示すものだ。 意見生成システムを統合し,各ニュース項目に基づいて主観的分析を行い,提案課題の性能をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-02T01:39:42Z)
• Differentiation of Multi-objective Data-driven Decision Pipeline [34.577809430781144]
  実世界のシナリオは、しばしば多目的データ駆動最適化問題を含む。 従来の2段階の手法では、機械学習モデルを用いて問題係数を推定し、続いて予測された最適化問題に取り組むためにソルバを呼び出す。 近年の取り組みは、下流最適化問題から導かれる意思決定損失を用いた予測モデルのエンドツーエンドトレーニングに重点を置いている。
  論文  参考訳（メタデータ） (2024-06-02T15:42:03Z)
• Predict-Then-Optimize by Proxy: Learning Joint Models of Prediction and Optimization [59.386153202037086]
  Predict-Then-フレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。 このアプローチは非効率であり、最適化ステップを通じてバックプロパゲーションのための手作りの、問題固有のルールを必要とする。 本稿では,予測モデルを用いて観測可能な特徴から最適解を直接学習する手法を提案する。
  論文  参考訳（メタデータ） (2023-11-22T01:32:06Z)
• Limitations of a proposed correction for slow drifts in decision criterion [0.0]
  ランダムドリフトからの系統的な更新を曖昧にするためのモデルに基づくアプローチを提案する。 提案手法は,決定基準におけるドリフトの潜航軌跡を正確に回復することを示す。 本結果は,生成過程の仮定を直接意思決定モデルに組み込むことの利点を強調した。
  論文  参考訳（メタデータ） (2022-05-22T19:33:19Z)
• Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
  我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。 我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
  論文  参考訳（メタデータ） (2022-05-20T07:02:03Z)
• Post-hoc loss-calibration for Bayesian neural networks [25.05373000435213]
  本研究では, 近似的後続予測分布の補正手法を開発し, 高ユーティリティな意思決定を推奨する。 従来の研究とは対照的に、我々のアプローチは近似推論アルゴリズムの選択に非依存である。
  論文  参考訳（メタデータ） (2021-06-13T13:53:27Z)
• Learning MDPs from Features: Predict-Then-Optimize for Sequential Decision Problems by Reinforcement Learning [52.74071439183113]
  我々は、強化学習を通して解決された逐次決定問題(MDP)の文脈における予測列最適化フレームワークについて検討した。 2つの重要な計算課題は、意思決定中心の学習をMDPに適用することである。
  論文  参考訳（メタデータ） (2021-06-06T23:53:31Z)
• Diffusion Approximations for a Class of Sequential Testing Problems [0.0]
  私達は市場へ進水するプロダクトの最適の品揃えを選びたいと思う販売人の問題を研究します。 電子商取引における新興の慣行に触発されて、売り手はこれらの嗜好を学習するためにクラウド投票システムを利用することができると仮定する。
  論文  参考訳（メタデータ） (2021-02-13T23:21:29Z)
• Stein Variational Model Predictive Control [130.60527864489168]
  不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。 モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。 この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
  論文  参考訳（メタデータ） (2020-11-15T22:36:59Z)
• Forethought and Hindsight in Credit Assignment [62.05690959741223]
  我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。 本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
  論文  参考訳（メタデータ） (2020-10-26T16:00:47Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。