論文の概要: A Novel Hybrid Approach to Contraceptive Demand Forecasting: Integrating Point Predictions with Probabilistic Distributions

• arxiv url: http://arxiv.org/abs/2502.09685v2
• Date: Fri, 07 Mar 2025 14:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:19:59.798699
• Title: A Novel Hybrid Approach to Contraceptive Demand Forecasting: Integrating Point Predictions with Probabilistic Distributions
• Title（参考訳）: コントラセプティブ・デマンド予測への新しいハイブリッドアプローチ:確率分布と点予測の統合
• Authors: Harsha Chamara Hewage, Bahman Rostami-Tabar, Aris Syntetos, Federico Liberatore, Glenn Milano,
• Abstract要約: 我々は,ドメイン固有モデルからの点予測と統計的および機械学習アプローチからの確率分布を組み合わせたハイブリッドモデルを開発した。 このアプローチは需要の不確実性に対処し、特にリソース制限された設定で有用である。 我々の研究は、避妊需要予測のギャップを埋め、アルゴリズムと人間の専門知識を組み合わせた実践的な枠組みを提供する。
• 参考スコア（独自算出の注目度）: 0.8796370521782165
• License:
• Abstract: Accurate demand forecasting is vital for ensuring reliable access to contraceptive products, supporting key processes like procurement, inventory, and distribution. However, forecasting contraceptive demand in developing countries presents challenges, including incomplete data, poor data quality, and the need to account for multiple geographical and product factors. Current methods often rely on simple forecasting techniques, which fail to capture demand uncertainties arising from these factors, warranting expert involvement. Our study aims to improve contraceptive demand forecasting by combining probabilistic forecasting methods with expert knowledge. We developed a hybrid model that combines point forecasts from domain-specific model with probabilistic distributions from statistical and machine learning approaches, enabling human input to fine-tune and enhance the system-generated forecasts. This approach helps address the uncertainties in demand and is particularly useful in resource-limited settings. We evaluate different forecasting methods, including time series, Bayesian, machine learning, and foundational time series methods alongside our new hybrid approach. By comparing these methods, we provide insights into their strengths, weaknesses, and computational requirements. Our research fills a gap in forecasting contraceptive demand and offers a practical framework that combines algorithmic and human expertise. Our proposed model can also be generalized to other humanitarian contexts with similar data patterns.
• Abstract（参考訳）: 正確な需要予測は、避妊製品への信頼性を確保し、調達、在庫、流通といった主要なプロセスをサポートするために不可欠である。 しかし、発展途上国における避妊需要の予測は、不完全データ、データ品質の低さ、複数の地理的・製品的要因を考慮する必要性など、課題を提示している。 現在の手法はしばしば単純な予測技術に依存しており、これらの要因から生じる需要不確実性を把握できず、専門家の関与を保証している。 本研究の目的は,確率的予測手法と専門家の知識を組み合わせることで,避妊需要予測を改善することである。 我々は,ドメイン固有モデルからの点予測と統計的および機械学習アプローチからの確率分布を組み合わせたハイブリッドモデルを構築し,人間の入力を微調整し,システム生成予測を強化する。 このアプローチは需要の不確実性に対処し、特にリソース制限された設定で有用である。 我々は,新しいハイブリッド手法とともに時系列,ベイジアン,機械学習,基本時系列法など,様々な予測手法を評価した。 これらの手法を比較することで、それらの長所、短所、および計算要求に関する洞察を提供する。 我々の研究は、避妊需要予測のギャップを埋め、アルゴリズムと人間の専門知識を組み合わせた実践的な枠組みを提供する。 提案モデルは、類似したデータパターンを持つ他の人道的文脈にも一般化することができる。

関連論文リスト

• Hybrid Forecasting of Geopolitical Events [71.73737011120103]
  SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。 このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。 機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-14T22:09:45Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
  本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。 この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
  論文  参考訳（メタデータ） (2023-08-03T12:43:21Z)
• Travel Demand Forecasting: A Fair AI Approach [0.9383397937755517]
  本研究では,公正で高精度な旅行需要予測モデルを開発するための新しい手法を提案する。 具体的には、予測精度と保護属性の相関を明示的に測定する、新しい公正規則化項を導入する。 その結果,提案手法は,予測精度を維持しつつ,複数の保護属性の公平性を効果的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T03:16:54Z)
• A review of predictive uncertainty estimation with machine learning [0.0]
  機械学習アルゴリズムを用いて予測不確実性推定の話題を概観する。 我々は確率的予測を評価するための関連する指標(一貫性スコアリング関数と適切なスコアリングルール)について論じる。 このレビューでは、ユーザーのニーズに合わせて新しいアルゴリズムを開発する方法についての理解を深める。
  論文  参考訳（メタデータ） (2022-09-17T10:36:30Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Forecast combinations: an over 50-year review [16.590353808305245]
  予報の組み合わせは予報コミュニティで著しく繁栄している。 本稿では,予測組み合わせに関する文献を概観する。 様々な手法の可能性と限界について議論し、これらのアイデアが時間とともにどのように発展してきたかを明らかにする。
  論文  参考訳（メタデータ） (2022-05-09T12:14:02Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Forecasting COVID-19 daily cases using phone call data [0.0]
  本稿では,コールデータを用いて日次確認症例数を予測するために最適化した簡易な多重線形回帰モデルを提案する。 提案手法は, ARIMA, ETS, および呼び出しデータのない回帰モデルより優れており, 3点予測誤差, 1点予測間隔, 2点の確率予測精度測定によって評価される。
  論文  参考訳（メタデータ） (2020-10-05T18:07:07Z)
• Demand Forecasting of Individual Probability Density Functions with Machine Learning [0.0]
  本研究では,予測分布の精度を評価する新しい手法を提案する。 教師付き機械学習手法であるCyclic Boostingを用いて、各予測が完全に説明可能であるように、完全な個別確率密度関数を予測できる。
  論文  参考訳（メタデータ） (2020-09-15T13:05:05Z)

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。