Computation

'Computation' 카테고리의 모든 글

총 2개의 글

시간순 정렬

시간변화 매개변수 회귀 모델에서의 빠르고 유연한 베이지안 추론

본 논문에서는 K개의 설명 변수와 T개의 관찰치를 포함하는 시간 변동 매개변수(TVP) 회귀 모델을 상수 계수 회귀 모델로 나타내며, 이는 KT 개의 설명 변수를 갖습니다. 대부분의 기존 연구가 계수들이 랜덤 워크에 따라 변화한다고 가정하는 것과 달리, TVP에 대한 계층적 혼합 모델을 도입합니다. 결과적으로 생성된 모델은 여러 정책 집단으로 TVP를 그룹화하는 랜덤 계수 사양을 유사하게 재현합니다. 이러한 유연한 혼합 모델은 적게, 중간 또는 많은 수의 구조적 변화를 가진 TVP를 허용합니다. 우리는 KT 회귀 변수의 특이값 분해(SVD)를 기반으로 하는 계산적으로 효율적인 베이지안 경제계량 방법을 개발했습니다. 인공 데이터에서 우리의 방법은 정확하고 표준 접근법보다 계산 시간이 훨씬 더 빠르다는 것을 발견했습니다. 많은 예측 변수를 사용하여 인플레이션 예측에 대한 실증적 연습에서는, 우리의 모델이 대안적인 접근법보다 더 잘 예측하며, 매개변수의 변화 패턴에서 다른 결과를 보여주었습니다.

2026년 02월 04일

paper AI 요약

전력망 복구를 위한 결정 자동화

비상사태 이후, 전력망, 수자원 네트워크, 교통시스템과 같은 중요한 인프라 시스템은 어느 공동체의 복지에 큰 역할을 합니다. 이러한 인프라 시스템들의 회복은 매우 중요하며, 그 회복 과정에는 제한된 자원(인력 수리 전문가와 기계)을 손상된 인프라 구성 요소에 할당하는 것이 포함됩니다. 결정자들은 리소스 할당의 결과에 대한 불확실성도 고려해야 합니다. 많은 선택지와 연속적인 결정의 결과에 대한 불확실성을 다루는 것은 쉽지 않으며, 이 문제는 mbox{NP-난이도}로 알려져 있습니다. 저희는 이러한 대규모 실제 문제에서 발생하는 방대한 수의 의사결정을 처리할 수 있는 새로운 의사결정 기법을 제안합니다. 또한 우리의 방법은 소수의 선택에 대한 성능을 기반으로 계산 자원의 활용을 적응적으로 결정하는 경험 학습 구성 요소를 가지고 있습니다. 저희 프레임워크는 클로즈드 루프이며, 그러한 의사결정 시스템에서 모든 매력적인 특성을 자연스럽게 통합합니다. 현재 선택에 대한 미래 효과를 고려하지 않는 단기적 접근법과 달리, 우리의 방법론은 예측 학습 구성 요소를 통해 솔루션에 emph{예지}를 효과적으로 통합합니다. 이를 위해 우리는 회귀 분석 이론, 마코프 의사결정 과정(MDP), 다중 팔대기 문제, 그리고 자연 재해로 인한 공동체 피해의 확률적 모델을 활용하여 위험으로부터 영향받은 공동체 복구를 위한 방법을 개발했습니다. 우리의 방법은 방대한 행동 공간을 가진 MDP에 대한 일반적인 문제 해결에도 기여합니다.

2026년 02월 04일

paper AI 요약