文献

J-GLOBAL ID：202202270867650233   整理番号：22A0499243

予測確率プログラミング【JST・京大機械翻訳】

Predictive stochastic programming

著者 (2件)： Deng Yunxiao (Daniel J. Epstein Department of Industrial and Systems Engineering, University of Southern California, Los Angeles, USA) ,  Sen Suvrajeet (Daniel J. Epstein Department of Industrial and Systems Engineering, University of Southern California, Los Angeles, USA)
資料名： Computational Management Science  (Computational Management Science)
巻： 19  号： 1  ページ： 65-98  発行年： 2022年 
JST資料番号： W4187A  ISSN： 1619-697X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： いくつかの新しいアプリケーションは統計的学習と確率的プログラミング(SP)の融合を要求する。予測確率プログラミング(PSP)と呼ぶ新しいクラスのモデルを導入した。通常のSPとは異なり,PSPモデルはランダム共変量を表すデータセットで動作し,しばしば機械学習文献における予測子(または特徴)と応答(またはラベル)と呼ばれる。結果として,これらのPSPモデルは,学習と最適化の両方から関連概念を借り出す方法論を要求する。このような方法論を学習可能最適化(LEO)と呼ぶ。本論文は,統計的最適性,モデル-忠実度のための仮説試験,PSPの一般化誤差,および最後にモデル選択のためのノンパラメトリック方法論のようないくつかの新規概念を導入することによって,そのようなフレームワークのための基礎をセットした。LEOとしてまとめられるこれらの新しい概念は,PSPモデルのモデリング,解決,検証,および報告のための形式的フレームワークを提供する。販売予測を意図した広告データセットと教育生産計画モデルとの組み合わせに基づく生産市場協調モデルに適用することにより,LEOフレームワークを説明した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  最適化 ,  学習 ,  *確率的計画法 ,  広告 ,  生産計画 ,  仮説検定 ,  ノンパラメトリック法 ,  応用プログラム ,  機械学習
準シソーラス用語： 予測子 ,  モデル選択 ,  協調モデル ,  最適性 ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： 確率的プログラミング ,  統計的学習との融合 ,  モデル評価

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 予測 ,  確率プログラミング