Statistics

'Statistics' 카테고리의 모든 글

총 17개의 글
시간순 정렬
토마스 샘플링을 이용한 공급측 플랫폼의 헤더 비딩 전략 최적화

토마스 샘플링을 이용한 공급측 플랫폼의 헤더 비딩 전략 최적화

지난 10년 동안 디지털 미디어(웹 또는 앱 출판자)는 실시간 광고 경매를 사용하여 광고 공간을 판매하는 것을 일반화했습니다. 여러 경매 플랫폼인 공급 측면 플랫폼(SSP)이 생성되었습니다. 이러한 다수성으로 인해 출판자는 SSP들 간의 경쟁을 만들기 시작했습니다. 이 설정에서는 두 가지 연속적인 경매가 진행됩니다 각 SSP에서 제2 가격 경매와 SSP들 사이에서 이루어지는 제1 가격 경매인 헤더 입찰 경매입니다. 본 논문에서는 다른 SSP들과 경쟁하는 하나의 SSP를 고려합니다. 이 SSP는 광고주가 광고 공간을 구매하고자 할 때 중개자의 역할을 하며, 출판자가 광고 공간을 판매하길 원할 때도 마찬가지입니다. 그리고 광고주의 요구에 맞게 최대한 많은 광고를 전달하면서 최소한의 비용으로 경매에 참여하기 위한 입찰 전략을 정의해야 합니다. 이 SSP의 수익 최적화는 컨텍스트 밴딧 문제로 표현될 수 있으며, 컨텍스트에는 광고 기회에 대한 정보가 포함됩니다. 예를 들어 인터넷 사용자 또는 광고 배치 속성과 같은 정보입니다. 클래식한 다중 팔레트 밴딧 전략(UCB와 EXP3의 원본 버전을 포함)은 이 설정에서 효과적이지 않으며, 수렴 속도가 낮습니다. 본 논문에서는 이러한 상관관계를 쉽게 고려할 수 있는 Thompson Sampling 알고리즘의 변형을 설계하고 실험합니다. 이 베이지안 알고리즘과 입자 필터를 결합하여 비정상성을 다룰 수 있습니다. 이를 통해 경매에서 승리하기 위해 극대화해야 하는 최고 입찰 가격의 분포를 순차적으로 추정할 수 있습니다. 우리는 이 방법론을 두 개의 실제 경매 데이터셋에 적용하고, 더 전통적인 접근법보다 크게 우수함을 보여줍니다. 본 논문에서 정의된 전략은 전 세계 수천 명의 출판자에게 배포될 계획입니다.

paper AI 요약
네트워크를 통한 시계 동기화 --

네트워크를 통한 시계 동기화 --

이 논문에서는 2개 노드의 시계 동기화 및 거리 측정 문제를 분석합니다. 특히, 이들 노드가 시간-디지털 변환기를 사용하여 정확한 거리를 결정하는 경우에 집중하고 있습니다. 이러한 특정 설계 선택은 포착된 신호에 대한 톱니 모양 모델을 생성하며, 이를 추정 이론적 관점에서 연구한 적이 없습니다. 본 연구에서는 Freris, Graham 및 Kumar의 잘 알려진 논문에서 얻어진 기본 결론을 다시 확인합니다. 더 중요한 것은, 잡음을 통해 톱니 신호 모델에 대한 위상과 오프셋 매개변수 추정의 이론적 조건이 개선되는 놀라운 식별 결과를 발견한 것입니다. 연구의 완성도를 위해, 기본적인 추정 전략을 사용하여 다양한 실제 조건 하에서 톱니 신호 모델에 대한 시계 동기화 및 거리 측정 성능 기준을 제공하는 철저한 시뮬레이션 연구를 제시합니다. 이 논문의 공헌으로 인해, 향후 톱니 신호 모델의 추정 연구가 가능하며 이를 산업용 시계 동기화 및 거리 측정에 활용하기 위한 길을 열었습니다.

paper AI 요약
대규모 교통 신호 제어를 위한 새로운 다중 에이전트 강화 학습 방법 연구

대규모 교통 신호 제어를 위한 새로운 다중 에이전트 강화 학습 방법 연구

대규모 교통 신호 제어(TSC) 문제에서 최적의 신호 타이밍 전략을 찾는 것은 어려운 과제이다. 다중 에이전트 강화 학습(MARL)은 이 문제를 해결하는 유망한 방법으로 꼽힌다. 그러나 대규모 문제로 확장하고 각 개별 에이전트의 다른 에이전트들의 행동을 모델링하는 데 여전히 개선의 여지가 있다. 본 논문에서는 새로운 MARL, 즉 협력적 이중 Q-학습(Co-DQL)을 제안한다. Co-DQL은 몇 가지 주목할 만한 특징이 있다. 이는 이중 추정기와 UCB 정책을 기반으로 하는 매우 확장 가능한 독립 이중 Q-학습 방법을 사용하여 전통적인 독립 Q-학습에 존재하는 과도한 추정 문제를 제거하면서 탐사를 보장한다. 또한 에이전트 간의 상호작용을 모델링하기 위해 평균 필드 근사법을 사용하여 에이전트가 더 나은 협력 전략을 학습하도록 한다. 학습 과정의 안정성과 견고성을 향상시키기 위해 새로운 보상 할당 메커니즘과 지역 상태 공유 방법을 도입한다. 또한 제안된 알고리즘의 수렴 특성을 분석한다. Co-DQL은 TSC에 적용되고 여러 교통 신호 시뮬레이터에서 테스트된다. 몇 가지 교통 상황에서 얻어진 결과에 따르면, Co-DQL이 여러 최신 분산형 MARL 알고리즘을 능가한다. 전체 도로 시스템 내의 차량들의 평균 대기 시간을 효과적으로 단축할 수 있다.

paper AI 요약
증가하는 차원에서의 순위 추정자에 대한 연구

증가하는 차원에서의 순위 추정자에 대한 연구

순위 추정기의 가족, 한(Han)의 최대 순위 상관(1987년)을 유명한 예로 들 수 있으며, 회귀 문제 연구에서 널리 활용되고 있다. 이러한 추정기들에 대해선 선형 지수가 차원성의 영향을 완화하는 데 도입되었으나, 큰 차원성이 추론에 미치는 효과는 거의 연구되지 않았다. 이 논문은 모델 내 매개변수 수 $p_{n}$이 표본 크기 $n$과 함께 증가할 수 있는 증가 차원 구조에서 U-프로세스로 형성된 목적 함수를 가진 M-추정기의 더 큰 가족에 대한 통계적 속성을 연구함으로써 이 공백을 메운다. 첫째, 추정에서 자주 $p_{n}/n rightarrow 0$일 때 $(p_{n}/n)^{1/2}$ 수렴률이 얻어질 수 있음을 찾았다. 둘째, Bahadur 유형의 경계를 설정하고 정규 근사의 유효성을 연구하였으며, 이는 종종 $p_{n}^{2}/n rightarrow 0$보다 훨씬 강력한 스케일링 요구 사항이 필요함을 발견하였다. 셋째, 점근 공분산 행렬의 수치 도함수 추정기가 일관성을 갖는 조건을 제시하고, 공분산 추정기 구현 시 단계 크기를 $p_{n}$에 맞게 조정해야 함을 보였다. 모든 이론적 결과는 시뮬레이션 연구를 통해 뒷받침되었다.

paper AI 요약
No Image

인터넷-of-Things을 위한 분산 딥 컨볼루션 뉴럴 네트워크

사물인터넷(IoT) 단위의 메모리와 계산에 대한 심각한 제약은 일반적으로 대규모 메모리와 높은 처리 부하를 요구하는 딥러닝(DL)-기반 솔루션의 실행을 방해할 수 있습니다. 고려된 DL 모델의 실시간 실행을 지원하기 위해서는 IoT 단위에 대한 메모리 및 처리 능력 제약 조건을 염두에 두고 디자인되어야 합니다. 본 논문에서는 분산형 IoT 애플리케이션에서 컨볼루셔널 신경망(CNNs)의 실행을 할당하는 방법론을 소개합니다. 이러한 방법론은 데이터 수집 단계와 그 이후의 의사결정 단계 사이의 지연 시간을 최소화하면서 주어진 메모리 및 처리 부하 제약 조건 내에서 최적화 문제로 정식화됩니다. 이 방법론은 동일한 IoT 시스템에서 여러 소스의 데이터뿐만 아니라 여러 개의 CNNs를 실행하는 것을 지원하여 자율성, 낮은 의사결정 지연 시간, 높은 서비스 품질을 요구하는 CNN 기반 애플리케이션을 설계할 수 있습니다.

paper AI 요약
분산식 확률적 최적화와 그래디언트 추적 소개

분산식 확률적 최적화와 그래디언트 추적 소개

분산된 합 최소화에 대한 분산 해법은 많은 신호 처리, 제어 및 머신 러닝 애플리케이션에서 중요한 역할을 합니다. 이러한 환경에서는 데이터가 임의로 연결된 노드 네트워크에 분포되어 있으며 통신이나 개인 정보 보호 문제 때문에 원시 데이터 공유가 불가능한 경우가 많습니다. 본 논문에서는 분산 стоха스틱 최적화 방법을 검토하고 최근 개선 사항을 기반으로 그라디언트 추적 및 변동 감소에 초점을 맞추어 부드럽고 강하게 볼록한 목적 함수를 설명합니다. 주요 기술적인 아이디어의 직관적인 설명과 분산 머신 러닝 모델 학습에서 알고리즘의 활용 사례도 제공합니다.

paper AI 요약
무한히 넓은 신경망을 사용한 정확한 계산에 관한 연구

무한히 넓은 신경망을 사용한 정확한 계산에 관한 연구

이 논문은 신경망의 학습 동안 가중치 매트릭스에 발생하는 작은 변화에도 불구하고, 신경망 커널 값이 거의 변하지 않는다는 것을 보여줍니다. 이는 초기 가중치가 무작위로 선택되었을 때, 신경망 커널 값이 네트워크의 가중치에 대해 градиент-Липшиц 이라는 성질을 갖는다는 사실을 이용합니다. 이러한 성질은 학습 동안 가중치 매트릭스가 초기 상태로부터 작은 변화만 겪게 함으로써, 신경망 커널 값의 안정성을 보장합니다.

paper AI 요약
해석 가능성에서 추론까지 보편적 근사기의 추정 프레임워크

해석 가능성에서 추론까지 보편적 근사기의 추정 프레임워크

우리는 범용 근사자를 포함하는 광범위한 모델 클래스에 대한 추정과 유추를 위한 새로운 프레임워크를 제시합니다. 추정은 모델 예측을 Shapley 값으로 분해하는 방식을 기반으로 합니다. 유추는 개별 Shapley 구성 요소의 편향 및 변동성 특성을 분석하는 데 의존합니다. 우리는 Shapley 값 추정이 점근적으로 편향되지 않는다는 것을 보여주며, 잡음만 있는 데이터에서 진짜 데이터 생성 과정을 밝혀내는 도구로 Shapley 회귀를 소개합니다. 모델이 매개변수에 대해 선형일 때 알려진 선형 회귀의 경우가 우리의 프레임워크의 특수한 사례입니다. 이론적, 수치적 및 경험적인 결과를 편차 있는 처리 효과 추정의 예로 제시했습니다.

paper AI 요약
통신 효율적인 연방 딥러닝 비동기 모델 업데이트와 시간 가중치 집합

통신 효율적인 연방 딥러닝 비동기 모델 업데이트와 시간 가중치 집합

연방 학습은 클라이언트에서 로컬로 훈련된 모델을 집계하여 서버에 중앙 모델을 얻는다. 따라서 연방 학습은 클라이언트가 데이터를 서버에 업로드할 필요 없이 클라이언트의 데이터 프라이버시를 보호한다. 연방 학습에서 하나의 도전 과제는 클라이언트-서버 통신을 줄이는 것이다. 왜냐하면 종단 장치는 일반적으로 매우 제한적인 통신 대역폭을 가지고 있기 때문이다. 본 논문은 클라이언트에서 동기식 학습 전략을 사용하고 서버에서는 로컬 모델의 시간 가중 집계를 도입하여 개선된 연방 학습 기술을 제안한다. 비동기 학습 전략에서는 딥 뉴럴 네트워크의 서로 다른 계층이 얕은 계층과 깊은 계층으로 분류되며, 깊은 계층의 파라미터는 얕은 계층의 파라미터보다 덜 자주 업데이트된다. 또한 서버에서는 이전에 훈련된 로컬 모델을 활용하기 위해 시간 가중 집계 전략이 도입되어 중앙 모델의 정확도와 수렴성을 향상시킨다. 제안된 알고리즘은 두 가지 데이터셋과 다양한 딥 뉴럴 네트워크를 사용하여 실험적으로 평가된다. 우리의 결과는 제안된 비동기 연방 딥 학습이 통신 비용과 모델 정확도 측면에서 기준 알고리즘보다 우수함을 보여준다.

paper AI 요약
적 제어 방법의 예측 구간

적 제어 방법의 예측 구간

불확실성의 측정은 합성 통제 방법론(SC) 분석과 해석에서 근본적인 문제입니다. 본 논문에서는 SC 프레임워크 내에서 조건부 예측 구간을 개발하였으며, 이러한 구간이 유한 표본 확률 보장을 제공하는 조건들을 제시합니다. 우리의 방법은 공변량 조정과 비정상 데이터를 허용합니다. 구성은 SC 예측의 통계적 불확실성이 전처리 기간 동안 (가능한 잘못 지정된) SC 가중치를 생성할 때와 치료 효과 분석 시 후 처리 기간에 관찰되지 않는 확률 오차에서 발생하는 두 가지 다른 무작위성 소스에 의해 결정된다는 점을 통해 시작됩니다. 따라서 제안하는 예측 구간은 이러한 두 가지 무작위성 소스를 모두 고려하여 구성되었습니다. 구현을 위해 우리는 시뮬레이션 기반 접근법과 유한 표본 기반 확률 경계 논리를 제시하며, 이는 원칙적인 민감도 분석 방법으로 자연히 이어집니다. 우리의 방법론은 실제 사례와 작은 규모의 시뮬레이션 연구를 통해 수치 성능을 시연하였습니다. texttt{Python}, texttt{R} 및 texttt{Stata} 소프트웨어 패키지가 구현되었습니다.

paper AI 요약
아날로그 NVM 크로스바에 배포를 위한 DNN IoT 애플리케이션 훈련

아날로그 NVM 크로스바에 배포를 위한 DNN IoT 애플리케이션 훈련

에너지 효율성, 보안 및 프라이버시에 대한 추세는 최근 딥러닝 네트워크(DNNs)를 마이크로컨트롤러에 배포하는 데 초점을 맞추게 되었습니다. 그러나 계산 및 메모리 자원의 제약으로 인해 이러한 시스템에서 배포 가능한 ML 모델의 크기와 복잡성이 제한됩니다. 저항성 비휘발성 메모리(NVM) 기술을 기반으로 하는 컴퓨테이션-인-메모리(CIM) 아키텍처는 현대 DNN에 내재된 고성능 및 저전력 요구사항을 충족시키는 데 큰 희망을 제공합니다. 그러나 이러한 기술들은 여전히 미숙하고, 본질적인 아날로그 영역 노이즈 문제와 NVM 구조에서 음수 가중치를 표현할 수 없는 문제가 있습니다. 이로 인해 크로스바의 크기가 커지고, ADC와 DAC에 부정적 영향을 미칩니다. 본 논문에서는 이러한 과제들을 해결하기 위한 훈련 프레임워크를 제공하고 회로 수준에서 얻어진 효율성 증가를 정량적으로 평가합니다. 두 가지 기여를 제안합니다 첫째, 개별 DNN 계층의 튜닝을 필요로 하지 않는 훈련 알고리즘으로 각 계층의 가중치와 활성화에 일관성을 보장하여 아날로그 블록 재사용과 주변 하드웨어를 크게 줄입니다. 둘째, NAS 방법론을 사용하여 단극 가중치(모두 양수 또는 모두 음수) 행렬/서브행렬의 사용을 제안합니다. 가중치 단극성은 크로스바 영역을 두 배로 늘릴 필요를 없애고 아날로그 주변 장비를 간소화합니다. CIFAR10과 HAR 애플리케이션에 대한 검증 결과, 4비트 및 2비트 장치를 사용하여 크로스바로 매핑했을 때 95%의 부동소수점 정확도에서 2비트 양수 가중치만으로 92.91%의 정확도를 달성했습니다. 제안된 기법의 조합은 80%의 면적 개선과 최대 45%의 에너지 감소를 가져왔습니다.

paper AI 요약
No Image

재표본화 통계를 이용한 종속성 강건 추론

우리는 일반적인 형태의 약한 종속성에 강건한 추론 절차를 개발하였다. 이 절차는 데이터의 알려지지 않은 상관 구조에 의존하지 않는 방식으로 재표본화하여 구성된 검정 통계량을 활용한다. 우리는 목표 매개변수가 파라미터적 속도로 일관되게 추정될 수 있는 약한 요구 조건 하에서 이러한 통계량이 점근적으로 정규분포를 따른다는 것을 증명하였다. 이는 정칙 추정기 아래 많은 잘 알려진 형태의 약한 종속성에 대해 적용 가능하며, 종속성 강건성을 주장하는 근거가 된다. 우리는 알려지거나 복잡한 형태의 종속성이 있는 설정을 포함하여 네트워크 종속성을 주요 예로 다루었다. 우리는 동일한 모멘트와 부등식에 대한 검정 방법을 개발하였다.

paper AI 요약
통계적 강건한 중국인 나머지 정리 다수의 수에 대한 적용

통계적 강건한 중국인 나머지 정리 다수의 수에 대한 적용

일반화된 중국인의 나머지 정리(CRT)는 모호성 해석과 관련된 문제를 해결하기 위한 잘 알려진 접근법이다. 본 논문에서는 통계학적 관점에서 여러 개의 수에 대한 CRT 기반 복원을 강건하게 하는 방법을 연구하였다. 이 글은 CRT 기반 다중 매개변수 추정의 기본적인 통계 모델에 대한 첫 번째 엄밀한 분석이라고 할 수 있다. 이를 해결하기 위해 두 가지 새로운 접근법이 제시되었다. 하나는 잔차 클러스터링에 대한 조건부 최대 사후 확률(MAP) 추정을 직접 계산하는 것이고, 다른 하나는 일반화된 감싸인 가우시안 혼합 모델을 이용해 MAP를 반복적으로 찾는 것이다. 또한 강건성을 향상시키기 위해 잔차 오류 정정 코드가 도입되었다. 실험 결과는 통계적 방식이 특히 높은 노이즈 상황에서 기존의 결정론적 접근법보다 훨씬 더 강건한 성능을 보였음을 나타냈다.

paper AI 요약
시간변화 매개변수 회귀 모델에서의 빠르고 유연한 베이지안 추론

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.

paper AI 요약
전력망 복구를 위한 결정 자동화

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.

paper AI 요약
공간 패널 데이터 모델을 위한 안장점 근사법

공간 패널 데이터 모델을 위한 안장점 근사법

본 논문은 패널 데이터 모형에서 추정된 매개 변수의 확률 밀도 함수에 대한 사addlepoint 근사법을 개발하고, 이를 통해 더 정확한 통계적 유의성 테스트를 가능하게 한다. 특히, 사addlepoint 근사를 사용하여 단순화된 최대 우도 추정치의 분포를 근사하므로써, 기존 방법보다 보다 높은 정확성을 제공한다. 본 연구는 다양한 패널 데이터 모형에서 이 접근법이 실제 유의미한 성능 개선을 가져오는지를 검증하는 실험 결과도 포함하고 있다. ###

paper AI 요약
수요 추정을 넘어 누적 경향 가중치를 통한 소비자 여유 평가

수요 추정을 넘어 누적 경향 가중치를 통한 소비자 여유 평가

이 논문은 관찰 데이터를 활용하여 AI 기반의 결정, 특히 타겟팅 가격 설정과 알고리즘 대출에 대한 소비자 여유 효과를 심사하기 위한 실용적인 프레임워크를 개발합니다. 전통적 접근법에서는 먼저 수요 함수를 추정한 후 이를 통합하여 소비자 여유를 계산하지만, 이러한 방법은 모수적 수요 형태에서의 모형 사양 오류와 유연한 비모수적 또는 기계 학습 접근법에 따른 큰 데이터 요구사항과 느린 수렴으로 인해 실제 적용이 어려울 수 있습니다. 대신 우리는 현대 알고리즘 가격 설정에서 발생하는 탐색과 활용의 균형을 위해 본래 내재된 무작위성을 활용하고, 수요 함수의 명시적 추정 및 수치 적분을 피할 수 있는 추정자를 도입합니다. 무작위 가격에서 관찰된 각 구매 결과는 수요에 대한 편향 없는 추정치이며, 새로운 누적 경향 가중치(CPW)를 사용하여 구매 결과를 세심하게 재가중함으로써 적분을 재구성할 수 있습니다. 이러한 아이디어를 바탕으로 정확히 수요 모델이나 역사적인 가격 책정 정책 분포 중 하나만 올바르게 사양되어 있으면 되는 복수로 견고한 변형인 증강 누적 경향 가중치(ACPW) 추정자를 도입합니다. 또한 이 접근법은 소비자 여유를 추정할 때 기계 학습 방법의 활용을 용이하게 하며, 특히 기계 학습 추정값이 느린 수렴 속도를 보일 때조차도 수요 추정을 포함함으로써 빠른 수렴 속도를 달성합니다. 이러한 추정자는 목표 추정 대상인 소비자 여유가 관찰되지 않는다는 점에서 오프-폴리시 평가 기법의 표준적 응용이 아닙니다. 공평성을 고려하기 위해 이 프레임워크를 부등식 인식 여유 측정으로 확장하여 규제 당국과 기업들이 수익-공정성 트레이드오프를 정량화할 수 있도록 합니다. 마지막으로, 포괄적인 수치 연구를 통해 우리의 방법을 검증합니다.

paper AI 요약

< 카테고리 현황 (Total: 566) >

Computer Science (514) Machine Learning (117) Artificial Intelligence (89) Computer Vision (71) Computation and Language (NLP) (62) Electrical Engineering and Systems Science (36) Cryptography and Security (24) Robotics (22) Systems and Control (22) Software Engineering (20) Mathematics (18) Statistics (17) Economics (16) Information Retrieval (15) Distributed, Parallel, and Cluster Computing (14) Human-Computer Interaction (14) Neural and Evolutionary Computing (13) Computer Science and Game Theory (11) Econometrics (11) Image and Video Processing (10) Physics (10) Sound (10) Multiagent Systems (9) Optimization and Control (8) Computational Geometry (7) Databases (7) Graphics (6) Networking and Internet Architecture (6) Quantitative Biology (6) Quantum Physics (5) Theoretical Economics (5) Computational Complexity (4) Computational Engineering, Finance, and Science (4) Computers and Society (4) Emerging Technologies (4) Information Theory (4) Methodology (4) Multimedia (4) Programming Languages (4) Quantitative Finance (4) Signal Processing (4) Audio and Speech Processing (3) Data Structures and Algorithms (3) Hardware Architecture (3) History and Philosophy of Physics (3) Logic in Computer Science (3) Neurons and Cognition (3) Social and Information Networks (3) Statistics Theory (3) Computation (2) Condensed Matter (2) Dynamical Systems (2) Formal Languages and Automata Theory (2) General Finance (2) Operating Systems (2) Optics (2) Quantitative Methods (2) Applications (1) Astrophysics (1) Combinatorics (1) Computational Physics (1) Digital Libraries (1) Disordered Systems and Neural Networks (1) General Economics (1) Genomics (1) Geophysics (1) Instrumentation and Methods for Astrophysics (1) Logic (1) Mathematical Finance (1) Mathematical Software (1) Medical Physics (1) Mesoscale and Nanoscale Physics (1) Metric Geometry (1) Other Statistics (1) Performance (1) Physics and Society (1) Plasma Physics (1) Probability (1) Trading and Market Microstructure (1)

검색 시작

검색어를 입력하세요

↑↓
↵
ESC
⌘K 단축키