Sep, 2019

选择分析的深度神经网络：基于替代特定效用函数的架构设计

PDF
TL;DR本研究设计了一种具有特定深度神经网络 (DNN) 架构的选择分析方法，称为基于备选项特定效用函数 (ASU-DNN)，该方法使用先前的行为知识，旨在提高 DNN 的解释能力和预测能力，并识别特定任务的有效规范化方法。与全连接的 DNN (F-DNN) 不同，ASU-DNN 通过仅使用备选项 k 的属性来计算其效用值，可以显著降低 F-DNN 的估计误差，同时提供更规则的出行方式选择替代模式。
发现论文，激发创造
  • 一种基于人工神经网络的经济一致的灵活效用规范的离散选择模型

    本文提出了一种基于人工神经网络 (ANNs) 的新的离散选择模型 ——“特定备选和共享权重神经网络（ASS-NN）”，它在灵活拟合数据的效用函数的同时，与选择理论和货币可替代性（即 “一欧元就是一欧元”）两个假设保持一致，从而实现了经济一致的结果，如边际效用或支付意愿，无需明确定义效用函数的形式。通过蒙特卡洛实验和来自 Swissmetro 数据集的实证数据，我们证明了 ASS-NN 在不同效用规范下的性能优于传统的多项式对数模型（MNL）。此外，我们展示了如何使用 ASS-NN 来计算边际效用和支付意愿的度量值。

    Apr, 2024

  • 离散选择模型与广义可加性效用网络

    离散选择模型是一个强大的框架，用于分析决策行为，为决策者和企业提供有价值的洞察。GAUNet 是一种基于广义可加模型的神经网络结构的效用函数，用于离散选择模型。在东京的旅行调查数据上，我们的模型与 ASU-DNN 在准确性上相当，并且相对于以前的模型在解释性上有所改善。

    Sep, 2023

  • DPNAS: 带有差分隐私的深度学习神经架构搜索

    本文提出 DPNAS 框架，采用神经架构搜索自动生成深度学习模型，以实现隐私保护学习，我们证明了该框架的有效性，所生成模型 DPNASNet 在隐私 / 效用权衡方面达到了最先进的表现。

    Oct, 2021

  • ASU-CNN：一种高效的深度图像分类和特征可视化架构

    本文提出了一种名为 ASU-CNN 的卷积神经网络模型，使用新设计的激活函数 ASU，该函数具有非单调和振荡的特点，在不同的卷积层中通过特征图可视化检查了本文提出的模型的优化，该模型使用 Adam 进行优化，fine-tuned learning rate 等参数，实验结果表明了该模型在计算机视觉领域相关任务的计算可行性和有效性。在 CIFAR-10 分类方面，预测结果是非常有前途的。

    May, 2023

  • 将领域知识融入深度神经网络中用于离散选择模型

    本文提出了一种框架，通过约束条件将领域知识和先验信念与机器学习相结合，以支持可解释的基于数据驱动的离散选择模型的开发，并通过案例研究展示了该框架的潜力。

    May, 2023

  • 神经网络的效用概率对偶

    该研究通过提出基于需求的代替概率的解释来解释深度学习在语言生成任务中的成功，以较大程度上消除了这种学习方法中的悖论，并提出了一个新的公式，用于将学习到的效用值转换为一种新的概率估计，从而使概率兼容决策规则的性能得到大幅度提高，并揭示了现代神经网络所涉及的效用 - 概率二元性现象。

    May, 2023

  • 基于神经网络的商品组合优化选择模型

    离散选择模型与神经网络相比，在预测客户购买概率方面表现得更具表现力、能够捕捉客户异质性和行为，但难以估计且无法捕捉客户行为的许多显著特征。本文首先研究了单个神经网络架构是否能够预测来自不同背景和模型假设下的购买概率。接下来，我们开发了一种适用于现成整数规划求解器的组合优化公式。在模拟和实际数据集上与各种基准离散选择模型进行了比较，同时通过一些训练技巧使神经网络预测及后续优化具备鲁棒性，并能与其他模型相媲美。

    Aug, 2023

  • 使用概率建模动态优化神经网络结构

    本文提出一种方法在深度神经网络训练期间同时优化网络结构和权重参数的概率分布，可用于解决多种网络结构优化问题，包括层次选择、单元类型选择和连接选择，实验结果表明该方法能够找到适当且具有竞争力的网络结构。

    Jan, 2018

  • 深且狭窄的神经网络不是万能逼近器

    本文研究神经网络架构对其所能近似的所有函数的级集所施加的拓扑限制，这种方法是独特的，因为它的限制是独立于广泛家族的激活函数的网络深度的。

    Sep, 2018

  • 用无向神经网络模拟结构

    该论文提出了一种灵活的框架，将因子图和神经网络的代表性强项结合起来，形成了一种能够在任何顺序下执行计算的不定向神经网络（UNNs），并证明了 UNNs 体系结构的有效性，包括树约束依赖关系分析、卷积图像分类和序列完成等任务。

    Feb, 2022