[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Modelado del comportamiento humano totalmente basado en datos pero interpretable con un modelo de elección discreta diferenciable

Created by
  • Haebom

Autor

Fumiyasu Makinoshima, Tatsuya Mitomi, Fumiya Makihara, Eigo Segawa

Describir

Este artículo presenta un enfoque novedoso para el Modelo de Elección Discreta (MCD), esencial para modelar los procesos de toma de decisiones humanas, denominado Modelo de Elección Discreta Diferenciable (Diff-DCM). Mientras que los MCD convencionales se basan en gran medida en el conocimiento del dominio proporcionado por expertos, el Diff-DCM puede aprender, predecir y controlar automáticamente modelos interpretables basados en datos mediante programación diferencial. Estima una función de utilidad de forma cerrada interpretable que reproduce los comportamientos observados utilizando únicamente características de entrada y resultados de elección sin conocimiento previo. Experimentos con datos sintéticos y reales demuestran su aplicabilidad a diversos tipos de datos y su rápida estimación con un bajo consumo de recursos computacionales. Además, demuestra que la diferenciabilidad puede utilizarse para obtener información, como las vías de intervención óptimas para un cambio de comportamiento efectivo.

Takeaways, Limitations

•
Takeaways:
◦
Presentamos un enfoque novedoso para automatizar e interpretar el modelado de elección discreta basado en datos.
◦
Predecir y controlar el comportamiento humano estimando funciones de utilidad sin conocimiento previo.
◦
Estimación rápida con recursos computacionales limitados (en unas decenas de segundos en una computadora portátil).
◦
Utilizar la diferenciabilidad para obtener información sobre el comportamiento humano (por ejemplo, rutas de intervención óptimas).
◦
Aplicable a varios tipos de datos.
•
Limitations:
◦
Es necesaria una mayor verificación de la generalización de los resultados experimentales presentados en este artículo.
◦
Se necesitan más investigaciones sobre cuán sensible es el rendimiento del modelo a la calidad de los datos.
◦
Se necesita un análisis más profundo del modelo Limitations para capturar completamente el comportamiento humano complejo.
◦
Se necesita más investigación sobre la aplicabilidad y las restricciones de varios tipos de modelos de elección discreta.
👍
Made with Slashpage