pareto optimality | BriefGPT

关键词pareto optimality

搜索结果 - 15

寻找金融技术应用中双目标帕累托最优欺诈预防规则集
在金融科技机构中，规则广泛用于欺诈预防决策。本文关注通过在初始规则池中找到高质量规则子集（如精确度和召回率），采用 Pareto 最优的概念，以找到一组非支配的规则子集，构成 Pareto 前沿。我们提出了一种名为 PORS 的基于启发式的
PDF8 months ago
松弛帕累托集识别的自适应算法
本文提出了 Adaptive Pareto Exploration 采样策略和不同的停止规则来解决多目标多臂老虎机模型中 Pareto 最优集的识别问题和样本复杂度的分析，可用于在考虑多个免疫力标准的情况下自适应探索多个 COVID-19
PDFa year ago
ACL编码语言信息与任务表现之间关系的可视化
使用 Pareto Optimality 观点研究编码的语言信息和任务性能之间的动态关系，提出了一种多目标优化的方法，通过对两个流行的 NLP 任务进行实验发现，一些句法信息有助于 NLP 任务，而编码更多的句法信息不一定能够提高性能。
PDF2 years ago
利用 Pareto 前沿近似网络（PA-Net）求解双目标 TSP
本文利用强化学习算法解决双目标 TSP 问题，提出 Pareto frontier approximation network（PA-Net）方法来生成多项式子集，最终应用于机器人导航覆盖规划任务中，可以优化 Pareto 前沿的表现并提高
PDF2 years ago
MM公平性 - 准确性帕累托前沿
本文提出使用 Pareto 前沿和 Chebyshev 标量化方案来解决算法公正中准确性和公正性的平衡问题，并证明 Chebyshev 标量化方案在恢复 Pareto 最优解方面比线性标量化方案具有更好的理论性能和计算成本效益。
PDF4 years ago
ICML多任务学习中高效的连续 Pareto 探索
提出了一种新的、高效的方法，可以生成局部连续的 Pareto 集和 Pareto fronts，并将其应用于现代机器学习问题中。通过提出基于样本的稀疏线性系统，将多目标优化的理论结果扩展到现代机器学习问题中，并实现了局部 Pareto 集的
PDF4 years ago
KDDMoTiAC: 实时竞价的多目标演员 - 评论家算法
使用强化学习算法 (MoTiAC)，提出了一种多目标 Actor-Critics 算法，用于在考虑展示成本、投资回报率和其他关键绩效指标的情况下进行投标优化，可以同时实现复杂竞标环境中的多目标任务，并证明其能够收敛到帕累托最优。此算法在一个
PDF4 years ago
高效公平主成分分析
提出一种适应性一阶算法，通过使用 Pareto 最优性的概念来学习保持公平性，同时略微牺牲重构损失的子空间，证明了该算法的解对于所有敏感群体都属于 Pareto 前沿，从而保证了整体重建损失和公平约束之间的最优权衡，并提供了收敛分析和验证了
PDF5 years ago
不可分配物品分配中的加权无嫉妒公平性
本文介绍和分析适用于配有权重的代理商在不可分配的物品的分配中的公平概念。我们提出了两种权重嫉妒自由概念：强权重嫉妒自由和弱权重嫉妒自由。我们证明，满足强权重嫉妒自由和帕累托最优的分配总是存在且可以在伪多项式时间内计算。此外，我们还建立了一个
PDF5 years ago
不可分割物品的公平分配
这篇论文研究了在加性估值条件下关于不可分配物品的公平分配问题，提出了使用 Leximin 算法和新算法来解决不同公平与经济效益的权衡问题，实现了 Pareto 最优分配。实验结果表明，近似无嫉妒、近似公平和 Pareto 最优可以同时实现。
PDF5 years ago
面向 Pareto - 最优设备感知神经网络架构的搜索
本文介绍了神经架构搜索的问题，并调研了最近的研究成果。然后，我们深入探讨了两项对 NAS 进行多目标框架扩展的最新进展：MONAS 和 DPP-Net。MONAS 和 DPP-Net 都能够优化精度和设备带入的其他目标，寻找可以在广泛设备上
PDF6 years ago
重症监护病房患者实验室检测的最优策略
在本文中，我们引入了一个学习如何预测检查频率与时间的框架，基于临床决策的复合奖励函数，使用批量脱机强化学习，以优化具有成本和风险之间权衡关系的检查选择和时间。
PDF6 years ago
序贯配置的均衡
本研究探讨了序贯配置下的策略性行为，特别是考虑到 Nash 均衡、纯策略均衡的计算和 Pareto 最优。研究表明，即使对于两个代理人，更好的应对也可以循环。研究结果提供了一个在纯 Nash 均衡下的结果，并且可以通过 “bluff pr
PDF7 years ago
走向可协商的强化学习：在帕累托最优顺序决策中转移优先级
本文研究多目标强化学习算法在博弈中不同信念玩家的目标问题，提出了一种策略表述方式，利用递归形式来得出 Pareto 最优策略的特征，其中包括机器学习会利用玩家自身的信念来评估策略效果，并根据信念和机器输入条件的贴合程度，适当调整对每个玩家效
PDF7 years ago
加性和响应偏好下的有效再分配
在多智能体问题中，通过新的资源配置方式实现互惠互利是一个根本性问题。本文探讨了两种不同偏好关系的情况下，如何以不同的限制条件测试 Pareto 最优性。第一部分着重于代理人对物体的加法计数效用的表达方法，提出了计算复杂性结果和多项式时间算法
PDF8 years ago