- Выборка конечного населения: беззастенчивая байесовская точка зрения (arXiv)
Автор: Судипто Банерджи
Аннотация: В этой статье делается попытка предложить некоторые перспективы байесовского вывода для конечных величин совокупности, когда предполагается, что единицы совокупности демонстрируют сложные зависимости. Начиная с обзора байесовских иерархических моделей, в том числе тех, которые дают основанные на планах оценки Хорвица-Томпсона, статья переходит к введению зависимости в конечных популяциях и излагает схемы вывода для игнорируемых и неигнорируемых ответов. Обсуждаются многомерные зависимости с использованием графических моделей и пространственных процессов, а также представлены некоторые характерные особенности двух недавних анализов пространственных конечных популяций.
2. Сквозное обучение для стохастической оптимизации: байесовская перспектива (arXiv)
Автор: Ив Рихенер, Даниэль Кун, Тобиас Саттер.
Аннотация: Мы разрабатываем принципиальный подход к сквозному обучению стохастической оптимизации. Во-первых, мы показываем, что стандартный сквозной алгоритм обучения допускает байесовскую интерпретацию и обучает апостериорную байесовскую карту действий. Затем, основываясь на выводах этого анализа, мы предлагаем новые сквозные алгоритмы обучения для обучения карт решений, которые выводят решения задач минимизации эмпирического риска и надежной оптимизации распределения — двух доминирующих парадигм моделирования при оптимизации в условиях неопределенности. Численные результаты для синтетической задачи продавца новостей иллюстрируют ключевые различия между альтернативными схемами обучения. Мы также исследуем проблему экономической диспетчеризации на основе реальных данных, чтобы продемонстрировать влияние архитектуры нейронной сети карт решений на их производительность при тестировании.
