論文の概要: Supervised Dimensionality Reduction Revisited: Why LDA on Frozen CNN Features Deserves a Second Look
- arxiv url: http://arxiv.org/abs/2604.03928v1
- Date: Sun, 05 Apr 2026 01:39:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.839072
- Title: Supervised Dimensionality Reduction Revisited: Why LDA on Frozen CNN Features Deserves a Second Look
- Title（参考訳）: 凍結したCNNのLDAが2度目となる理由
- Authors: Indar Kumar, Girish Karhana, Sai Krishna Jasti, Ankit Hemant Lade,
- Abstract要約: ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
このアプローチを,8つのシナリオにわたる520万ニューヨークTLCトリップで評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective ride-hailing dispatch requires anticipating demand patterns that vary substantially across time-of-day, day-of-week, season, and special events. We propose a regime-calibrated approach that (i) segments historical trip data into demand regimes, (ii) matches the current operating period to the most similar historical analogues via a six-metric similarity ensemble (Kolmogorov-Smirnov, Wasserstein-1, feature distance, variance ratio, event pattern, temporal proximity), and (iii) uses the resulting calibrated demand prior to drive both an LP-based fleet repositioning policy and batch dispatch with Hungarian matching. In ablation, a distributional-only subset is strongest on mean wait, while the full ensemble is retained as a robustness-oriented default. Evaluated on 5.2 million NYC TLC trips across 8 diverse scenarios (winter/summer, weekday/weekend/holiday, morning/evening/night) with 5 random seeds each, our method reduces mean rider wait times by 31.1% (bootstrap 95% CI: [26.5, 36.6]%; Friedman chi-sq = 80.0, p = 4.25e-18; Cohen's d = 7.5-29.9 across scenarios). The improvement extends to the tail: P95 wait drops 37.6% and the Gini coefficient of wait times improves from 0.441 to 0.409 (7.3% relative). The two contributions compose multiplicatively and are independently validated: calibration provides 16.9% reduction; LP repositioning adds a further 15.5%. The approach requires no training, is deterministic and explainable, generalizes to Chicago (23.3% wait reduction via NYC-built regime library), and is robust across fleet sizes (32-47% improvement for 0.5-2x fleet scaling). We provide comprehensive ablation studies, formal statistical tests, and routing-fidelity validation with OSRM.
- Abstract（参考訳）: 効果的な配車ディスパッチは、日時、曜日、季節、特別なイベントで大きく変化する需要パターンを予測する必要がある。
我々は、レギュラーキャリブレーションによるアプローチを提案する。
一 歴史的旅行データを需要体制に区分すること。
(ii)6次元類似性アンサンブル(Kolmogorov-Smirnov, Wasserstein-1, 特徴距離, 分散比, 事象パターン, 時間的近接)により、現在の運用期間と最も類似した歴史的類似点とを一致させる。
(iii)LPベースの艦隊配置方針とハンガリーのマッチングによるバッチディスパッチを駆動する前に、その結果のキャリブレーションされた需要を使用する。
アブレーションでは、分布のみのサブセットが平均待ち時間で最強であり、フルアンサンブルはロバストネス指向のデフォルトとして保持される。
5つのランダムシードを持つ8つのシナリオ(ウィンター/サマー、ウィークデイ/ウィークデイ/ウィークエンド/ホリデー/ホリデー/夜)にわたる5200万のNYC TLCトリップを評価することで、平均ライダー待ち時間を31.1%削減する(ブートストラップ95% CI: [26.5, 36.6]%;Friedman chi-sq = 80.0, p = 4.25e-18; Cohen's d = 7.5-29.9)。
P95の待ち時間は37.6%減少し、Giniの待ち時間の係数は0.441から0.409(相対比7.3%)に改善された。
2つのコントリビューションは乗法的に構成され、独立に検証される:キャリブレーションは16.9%の還元を与える。
このアプローチは訓練を必要とせず、決定論的で説明可能なものであり、シカゴに一般化し(23.3%はニューヨーク市建設のレギュレーション・ライブラリー経由)、艦隊規模で堅牢である(0.5-2xのスケーリングでは32-47%が改善)。
我々はOSRMを用いた包括的アブレーション研究、公式な統計検査、ルーティング忠実度検証を行う。
関連論文リスト
- Regime-Calibrated Demand Priors for Ride-Hailing Fleet Dispatch and Repositioning [0.0]
ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
アブレーションでは、分布のみのメートル法サブセットが最強の平均ウェイト還元を達成する。
論文 参考訳（メタデータ） (2026-04-04T22:31:06Z) - Bayesian Transformer for Probabilistic Load Forecasting in Smart Grids [0.0]
本研究では,3つの相補的不確実性機構をPatchTSTバックボーンに統合したベイズ変圧器フレームワークを提案する。
7段階のマルチクエンタリーピンボールロス予測ヘッドと、訓練後の等音波回帰キャリブレーションにより、鋭く、ほぼ一意にカバーされた予測間隔が生成される。
主要なベンチマーク(PJM, H=24h)では、BTは0.0289のCRPSを達成し、Deep Ensemblesより7.4%、決定論的LSTMより29.9%改善した。
論文 参考訳（メタデータ） (2026-03-09T02:39:51Z) - Temporal Zoom Networks: Distance Regression and Continuous Depth for Efficient Action Localization [6.908972852063454]
時間的行動の局所化は、正確な境界検出と計算効率の両方を必要とする。
我々は、境界距離回帰(BDR)と適応時間制限(ATR)という2つの補完的なイノベーションを通じてこの問題に対処する。
THUMOS14では、ActionFormer++ (55.7% mAP@0.7 at 235G) よりも36%少ないFLOPを用いて、151GのFLOPで56.5% mAP@0.7を達成する。
論文 参考訳（メタデータ） (2025-11-06T00:41:54Z) - Re-FORC: Adaptive Reward Prediction for Efficient Chain-of-Thought Reasoning [85.76121000710522]
適応型報酬予測法であるRe-FORCを提案する。
将来の思考トークン数の関数として期待される未来の報酬を予測することができる。
論文 参考訳（メタデータ） (2025-11-03T23:47:49Z) - DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment [92.70019102733453]
トレーニング時系列予測モデルは、モデル予測の条件分布とラベルシーケンスの条件分布の整合性を必要とする。
本研究では,条件予測とラベル分布との差を最小限に抑えてアライメントを実現するDistDFを提案する。
論文 参考訳（メタデータ） (2025-10-28T16:09:59Z) - Forking-Sequences [33.62694927994466]
精度の高いモデルでさえ、予測作成日の間に不規則な修正を発生させることができる。
MQCNN、MQT、SPADEといったモデルは、あまり知られていないが、非常に効果的なテクニックであるフォークシーケンスを採用しています。
フォーキングシーケンスの利点として, (i) より安定かつ一貫した勾配更新, (ii) アンサンブルによる予測分散の低減, (iii) 推論効率の向上, の3つを挙げる。
論文 参考訳（メタデータ） (2025-10-06T04:51:06Z) - Multi-Path Long-Term Vessel Trajectories Forecasting with Probabilistic Feature Fusion for Problem Shifting [8.970625329763559]
本稿では,AIS(Automatic Identification System, 自動識別システム)データに基づく多経路長期船体軌道予測の精度向上を課題とする。
我々は,1～3時間のAISデータを入力として,深層自動エンコーダモデルとフェーズド・フレームワーク・アプローチを開発した。
提案モデルでは, 平均誤差と中央値誤差をそれぞれ11km, 6kmと精度良く予測できることを実証した。
論文 参考訳（メタデータ） (2023-10-29T09:15:22Z) - 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) - 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） (2022-06-16T06:13:53Z) - Regularization methods for the short-term forecasting of the Italian
electric load [77.34726150561087]
イタリアの電力負荷の24のプロファイル全体を予測する問題はマルチタスク学習問題として対処される。
96x96行列重みは96x96行列を形成し、正方形の領域にサンプリングされた表面として見ることができる。
表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。
論文 参考訳（メタデータ） (2021-12-08T22:15:06Z)
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。