Amortized Bayesian Experimental Design for Decision-Making

要約

個人に合わせた医療診断や製品の価格設定など、多くの重要な決定は、一連の実験の設計、観察、分析から得られた洞察に基づいて行われます。
これは、実験計画の重要な役割を強調しています。実験計画は、従来のベイズ実験計画 (BED) のように単にシステム パラメーターに関する情報を収集するだけでなく、下流の意思決定を促進する上でも重要な役割を果たします。
最新の BED 手法では、償却ポリシー ネットワークを使用して実験を迅速に設計します。
ただし、実験は本質的に下流の目的を念頭に置いて設計されていないため、これらの方法で収集された情報は、下流の意思決定にとっては最適とは言えません。
このペーパーでは、下流の意思決定ユーティリティの最大化を優先する、償却された意思決定を意識した BED フレームワークを紹介します。
私たちは、下流の決定を推論しながら次の実験計画を瞬時に提案できる新しいアーキテクチャであるトランスフォーマー ニューラル決定プロセス (TNDP) を導入します。これにより、統合ワークフロー内で両方のタスクを効果的に償却できます。
いくつかのタスクにわたってこの方法のパフォーマンスを実証し、有益な設計を実現し、正確な意思決定を促進できることを示します。

要約(オリジナル)

Many critical decisions, such as personalized medical diagnoses and product pricing, are made based on insights gained from designing, observing, and analyzing a series of experiments. This highlights the crucial role of experimental design, which goes beyond merely collecting information on system parameters as in traditional Bayesian experimental design (BED), but also plays a key part in facilitating downstream decision-making. Most recent BED methods use an amortized policy network to rapidly design experiments. However, the information gathered through these methods is suboptimal for down-the-line decision-making, as the experiments are not inherently designed with downstream objectives in mind. In this paper, we present an amortized decision-aware BED framework that prioritizes maximizing downstream decision utility. We introduce a novel architecture, the Transformer Neural Decision Process (TNDP), capable of instantly proposing the next experimental design, whilst inferring the downstream decision, thus effectively amortizing both tasks within a unified workflow. We demonstrate the performance of our method across several tasks, showing that it can deliver informative designs and facilitate accurate decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google