論文の概要: Forecast-Then-Optimize Deep Learning Methods

• arxiv url: http://arxiv.org/abs/2506.13036v1
• Date: Mon, 16 Jun 2025 02:02:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:47.310016
• Title: Forecast-Then-Optimize Deep Learning Methods
• Title（参考訳）: 予測-Then-Optimize Deep Learning Methods
• Authors: Jinhang Jiang, Nan Wu, Ben Liu, Mei Feng, Xin Ji, Karthik Srinivasan,
• Abstract要約: 時系列予測は、様々な分野において重要な意思決定の基盤となっているが、洗練されたモデルからの生の予測は、しばしば体系的な誤りとバイアスを伴っている。 Forecast-Then-Then (FTO) フレームワークについて検討し,その体系的シナプスを開拓した。 ディープラーニングと大規模言語モデルは、ほとんどのエンタープライズアプリケーションにおいて従来のパラメトリック予測モデルよりも優れています。
• 参考スコア（独自算出の注目度）: 10.067896857251162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time series forecasting underpins vital decision-making across various sectors, yet raw predictions from sophisticated models often harbor systematic errors and biases. We examine the Forecast-Then-Optimize (FTO) framework, pioneering its systematic synopsis. Unlike conventional Predict-Then-Optimize (PTO) methods, FTO explicitly refines forecasts through optimization techniques such as ensemble methods, meta-learners, and uncertainty adjustments. Furthermore, deep learning and large language models have established superiority over traditional parametric forecasting models for most enterprise applications. This paper surveys significant advancements from 2016 to 2025, analyzing mainstream deep learning FTO architectures. Focusing on real-world applications in operations management, we demonstrate FTO's crucial role in enhancing predictive accuracy, robustness, and decision efficacy. Our study establishes foundational guidelines for future forecasting methodologies, bridging theory and operational practicality.
• Abstract（参考訳）: 時系列予測は、様々な分野において重要な意思決定の基盤となっているが、洗練されたモデルからの生の予測は、しばしば体系的な誤りとバイアスを伴っている。 Forecast-Then-Optimize (FTO) フレームワークについて検討し,その体系的シナプスを開拓した。 従来のPredict-Then-Optimize(PTO)法とは異なり、FTOはアンサンブル法、メタラーナー、不確実性調整などの最適化手法によって予測を明示的に洗練する。 さらに、ディープラーニングと大規模言語モデルは、ほとんどのエンタープライズアプリケーションにおいて従来のパラメトリック予測モデルよりも優位性を確立している。 本稿では,2016年から2025年にかけて,主流の深層学習FTOアーキテクチャを分析した。 運用管理における実世界の応用に注目し,予測精度,堅牢性,意思決定効率を高める上でFTOが果たす重要な役割を実証する。 本研究は,今後の予測手法,ブリッジ理論,運用実践に関する基礎的ガイドラインを確立する。

関連論文リスト

• A Survey of Direct Preference Optimization [103.59317151002693]
  LLM(Large Language Models)は、前例のない生成能力を示す。 人的価値との整合性は、有用で無害なデプロイメントを保証する上で、依然として重要です。 直接優先度最適化(DPO)は、最近、合理化された代替案として注目されている。
  論文  参考訳（メタデータ） (2025-03-12T08:45:15Z)
• Confidence-Aware Deep Learning for Load Plan Adjustments in the Parcel Service Industry [13.121155604809372]
  本研究では,大規模輸送物流企業におけるインバウンド負荷計画調整を自動化するためのディープラーニングに基づくアプローチを開発する。 これは、不確実性が増大する中で、効率よくレジリエントなEコマース事業計画のための重要な課題に対処する。
  論文  参考訳（メタデータ） (2024-11-26T15:13:13Z)
• See Further for Parameter Efficient Fine-tuning by Standing on the Shoulders of Decomposition [56.87609859444084]
  パラメータ効率の細かいチューニング(PEFT)は、パラメータの選択したサブセットを最適化し、残りを固定し、計算とストレージのオーバーヘッドを大幅に削減することに焦点を当てている。 分解の観点からそれらを分離することで、すべてのアプローチを統一する第一歩を踏み出します。 本稿では,PEFT技術の性能向上を目的とした,単純かつ効果的なフレームワークとともに,新しい2つのPEFT手法を提案する。
  論文  参考訳（メタデータ） (2024-07-07T15:44:42Z)
• Understanding the Learning Dynamics of Alignment with Human Feedback [17.420727709895736]
  本稿では,人間の嗜好アライメントの学習力学を理論的に解析する試みについて述べる。 選好データセットの分布がモデル更新率にどのように影響するかを示し、トレーニング精度に厳密な保証を与える。
  論文  参考訳（メタデータ） (2024-03-27T16:39:28Z)
• Towards a General Framework for Continual Learning with Pre-training [55.88910947643436]
  本稿では,事前学習を用いた逐次到着タスクの連続学習のための一般的な枠組みを提案する。 我々はその目的を,タスク内予測,タスク同一性推論,タスク適応予測という3つの階層的構成要素に分解する。 本稿では,パラメータ効率細調整(PEFT)技術と表現統計量を用いて,これらのコンポーネントを明示的に最適化する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-10-21T02:03:38Z)
• Towards a Prediction of Machine Learning Training Time to Support Continuous Learning Systems Development [5.207307163958806]
  我々は全文を実証研究する。 ZhengらによるFPTC(Time Complexity)アプローチ。 本稿では,ロジスティック回帰とランダムフォレスト分類のための定式化について検討する。 本研究では,本研究から,学習時間の予測が文脈とどのように密接に関連しているかを観察する。
  論文  参考訳（メタデータ） (2023-09-20T11:35:03Z)
• A Survey of Contextual Optimization Methods for Decision Making under Uncertainty [47.73071218563257]
  この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。 統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
  論文  参考訳（メタデータ） (2023-06-17T15:21:02Z)
• 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)
• Introduction to Rare-Event Predictive Modeling for Inferential Statisticians -- A Hands-On Application in the Prediction of Breakthrough Patents [0.0]
  本稿では,予測性能の最適化を目的とした定量的分析のための機械学習(ML)手法を提案する。 両フィールド間の潜在的な相乗効果について考察する。 我々は,コンピュータサイエンスの用語のデミスティフィケーションを目指して,定量的な社会科学の聴衆に手持ちの予測モデルの導入を行っている。
  論文  参考訳（メタデータ） (2020-03-30T13:06:25Z)

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。