Pareto-Embeddingによる選択関数の学習【JST・京大機械翻訳】

Pfannschmidt Karlson; Huellermeier Eyke

プレプリント

J-GLOBAL ID：202202210708174113 整理番号：22P0170727

Pareto-Embeddingによる選択関数の学習【JST・京大機械翻訳】

Learning Choice Functions via Pareto-Embeddings

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年07月14日プレプリントサーバーでの情報更新日： 2020年07月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

筆者らは,各オブジェクトが特徴ベクトルによって表現されるオブジェクトの与えられた集合から選択する学習の問題を考察した。選択モデリングにおける伝統的手法は,主に潜在,実数値効用関数の学習に基づいており,それにより選択代替案に線形次数を誘起する。このアプローチは離散(トップ-1)選択に適しているが,部分集合選択にそれを利用する方法は直接的ではない。実数線に対する選択代替案をマッピングする代わりに,それらを高次元効用空間に埋め込むことを提案し,ここではPareto最適点を持つ選択集合を同定した。この目的のために,このタスクに適した異なる損失関数を最小化する学習アルゴリズムを提案する。ベンチマークデータセットの組にPareto埋込みを学習する可能性を実証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , システム最適化手法 , その他のオペレーションズリサーチの手法

前のページに戻る