Fugu-MT 論文翻訳(概要): A General Framework for Estimating Preferences Using Response Time Data

論文の概要: A General Framework for Estimating Preferences Using Response Time Data

arxiv url: http://arxiv.org/abs/2507.20403v1
Date: Sun, 27 Jul 2025 20:13:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 16:23:57.566194
Title: A General Framework for Estimating Preferences Using Response Time Data
Title（参考訳）: 応答時間データを用いた選好推定のための一般的なフレームワーク
Authors: Federico Echenique, Alireza Fallah, Michael I. Jordan,
Abstract要約: 本研究は, 時間的選択実験への実証的応用を開発し, 応答時間の利用によって予測精度が得られ, 経済的に関係のあるパラメータを推定する上での課題が示された。
参考スコア（独自算出の注目度）: 56.70857685983896
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a general methodology for recovering preference parameters from data on choices and response times. Our methods yield estimates with fast ($1/n$ for $n$ data points) convergence rates when specialized to the popular Drift Diffusion Model (DDM), but are broadly applicable to generalizations of the DDM as well as to alternative models of decision making that make use of response time data. The paper develops an empirical application to an experiment on intertemporal choice, showing that the use of response times delivers predictive accuracy and matters for the estimation of economically relevant parameters.
Abstract（参考訳）: 本稿では,選択時間と応答時間に関するデータから選好パラメータを復元する一般的な手法を提案する。提案手法は,DDM(Drift Diffusion Model, DDM)に特化して高速($1/n$ for $n$)収束率を推定する。本研究は, 時間的選択実験への実証的応用を開発し, 応答時間の利用によって予測精度が得られ, 経済的に関係のあるパラメータを推定する上での課題が示された。

関連論文リスト

Preference Learning with Response Time [18.659347526840822]
応答時間情報をバイナリ選択データとともに組み込む新しい手法を提案する。我々は、報酬モデル学習のためのオラクル収束率を達成するニーマン直交損失関数を開発する。我々の実験は、画像よりも好み学習の文脈における理論的知見を検証した。
論文参考訳（メタデータ） (2025-05-28T19:55:54Z)
Integrating Response Time and Attention Duration in Bayesian Preference Learning for Multiple Criteria Decision Aiding [2.9457161327910693]
本稿では,意思決定支援のための行動規範を取り入れたベイズ選好学習フレームワークについて紹介する。このフレームワークは、ペアワイズ比較、応答時間、注意期間を統合して、意思決定プロセスに関する洞察を深めます。
論文参考訳（メタデータ） (2025-04-21T08:01:44Z)
Modeling the Heterogeneous Duration of User Interest in Time-Dependent Recommendation: A Hidden Semi-Markov Approach [11.392605386729699]
ユーザの関心事の変化を追跡するために,隠れたセミマルコフモデルを提案する。このモデルでは、(最近)関心のある状態に留まるユーザの異なる期間をキャプチャすることができる。パラメータを推定し,ユーザの行動を予測するためのアルゴリズムを導出する。
論文参考訳（メタデータ） (2024-12-15T09:17:45Z)
Online Data Collection for Efficient Semiparametric Inference [41.49486724979923]
提案する2つのオンラインデータ収集ポリシーであるExplore-then-CommitとExplore-then-Greedyは、パラメータ推定を所定の時間で使用して、将来のステップで残りの予算を最適に割り当てる。両政策がオラクル政策に対してゼロ後悔(MSEによる評価)を達成することを実証する。
論文参考訳（メタデータ） (2024-11-05T15:40:53Z)
Enhancing Preference-based Linear Bandits via Human Response Time [25.92686846689662]
対話的嗜好学習システムは、クエリを選択肢のペアとして提示し、バイナリ選択を収集することによって、人間の嗜好を推測する。本研究では,選択時間と応答時間を組み合わせて人間のユーティリティ関数を推定する手法を提案する。固定予算ベストアーム識別のための選好ベース線形バンドレットにこの推定器を組み込む。
論文参考訳（メタデータ） (2024-09-09T17:02:47Z)
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)
Geometry-Aware Instrumental Variable Regression [56.16884466478886]
本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
論文参考訳（メタデータ） (2024-05-19T17:49:33Z)
Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文参考訳（メタデータ） (2023-03-28T00:23:23Z)
FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文参考訳（メタデータ） (2022-10-10T12:35:02Z)
Interpreting and predicting the economy flows: A time-varying parameter global vector autoregressive integrated the machine learning model [0.0]
本稿では,先進地域経済変数の予測と分析を行うための時間変化パラメータグローバルベクトル自己回帰フレームワークを提案する。提案したモデルが,すべての経済変数における説得力のあるインサンプルと,異なる周波数の経済入力を持つ比較的高精度なアウト・オブ・サンプル予測を示す。
論文参考訳（メタデータ） (2022-07-31T06:24:15Z)
Time-Series Imputation with Wasserstein Interpolation for Optimal Look-Ahead-Bias and Variance Tradeoff [66.59869239999459]
ファイナンスでは、ポートフォリオ最適化モデルをトレーニングする前に、損失の計算を適用することができる。インキュベーションのために全データセットを使用するルックアヘッドバイアスと、トレーニングデータのみを使用することによるインキュベーションの大きなばらつきとの間には、本質的にトレードオフがある。提案手法は,提案法における差分とルックアヘッドバイアスのトレードオフを最適に制御するベイズ後部コンセンサス分布である。
論文参考訳（メタデータ） (2021-02-25T09:05:35Z)

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。