Environment-Centric Learning Approach for Gait Synthesis in Terrestrial Soft Robots

投稿日: 2025年2月14日 作成者: jarxiv

要約

移動歩行は、柔らかい陸生ロボットを制御するための基本です。
ただし、これらの歩行の合成は、ロボットと環境の相互作用のモデリングと数学的枠組みの欠如のために困難です。
この作業は、環境、データ駆動型、断層耐性の確率的モデルのない制御（PMFC）フレームワークを提供します。
。
ここでは、ロボットと環境の相互作用を支配する要因の離散化により、エッジがロボットモーションプリミティブに対応する実験的な移動データをエンコードする環境固有のグラフィカル表現を可能にします。
このグラフでは、移動歩行は変換不変の単純なサイクルとして定義されます。つまり、移動はこれらの周期サイクルの開始頂点とは無関係です。
特定の基質の最適な移動歩行を見つける問題である歩行合成は、線形化コスト関数、線形制約、および反復的な単純サイクル検出を伴うバイナリ整数線形プログラミング（BILP）問題として定式化されています。
実験的に、歩行はさまざまなロボット環境相互作用のために合成されます。
変数には、ロボットの形態 – 3脚および4脚のロボット、Terresoro-IIIおよびTerresoro-IVが含まれます。
基板 – ゴム製マット、ホワイトボード、カーペット。
およびアクチュエーター機能 – ロボット肢の作動の喪失をシミュレートします。
平均して、歩行合成により、翻訳速度と回転速度がそれぞれ82％と97％改善されます。
結果は、システムにおける予期しない非対称性の有意な影響と、実験的ロボットと環境の相互作用に対する最適な歩行シーケンスの依存性により、データ駆動型の方法がソフトロボットの移動制御に不可欠であることを強調しています。

要約(オリジナル)

Locomotion gaits are fundamental for control of soft terrestrial robots. However, synthesis of these gaits is challenging due to modeling of robot-environment interaction and lack of a mathematical framework. This work presents an environment-centric, data-driven and fault-tolerant probabilistic Model-Free Control (pMFC) framework that allows for soft multi-limb robots to learn from their environment and synthesize diverse sets of locomotion gaits for realizing open-loop control. Here, discretization of factors dominating robot-environment interactions enables an environment-specific graphical representation where the edges encode experimental locomotion data corresponding to the robot motion primitives. In this graph, locomotion gaits are defined as simple cycles that are transformation invariant, i.e., the locomotion is independent of the starting vertex of these periodic cycles. Gait synthesis, the problem of finding optimal locomotion gaits for a given substrate, is formulated as Binary Integer Linear Programming (BILP) problems with a linearized cost function, linear constraints, and iterative simple cycle detection. Experimentally, gaits are synthesized for varying robot-environment interactions. Variables include robot morphology – three-limb and four-limb robots, TerreSoRo-III and TerreSoRo-IV; substrate – rubber mat, whiteboard and carpet; and actuator functionality – simulated loss of robot limb actuation. On an average, gait synthesis improves the translation and rotation speeds by 82% and 97% respectively. The results highlight that data-driven methods are vital to soft robot locomotion control due to the significant influence of unexpected asymmetries in the system and the dependence of optimal gait sequences on the experimental robot-environment interaction.

arxiv情報

著者 Caitlin Freeman,Arun Niddish Mahendran,Vishesh Vikas
発行日 2025-02-13 17:31:45+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Environment-Centric Learning Approach for Gait Synthesis in Terrestrial Soft Robots はコメントを受け付けていません

Real-Time Fast Marching Tree for Mobile Robot Motion Planning in Dynamic Environments

投稿日: 2025年2月14日 作成者: jarxiv

要約

このペーパーでは、ローカルおよびグローバルなパス生成、複数のクエリ計画、および動的障害回避を特徴とするリアルタイム計画アルゴリズムであるリアルタイム高速マーチングツリー（RT-FMT）を提案します。
検索中、RT-FMTはグローバルソリューションをすばやく探し、その間にロボットが使用して実行をより速く開始できるローカルパスを生成します。
さらに、アルゴリズムは常にツリーを再配線して、枝が動的な障害物内に形成されないようにし、ロボットの近くにツリールートを維持し、異なる目標のためにツリーを複数回再利用できるようにします。
私たちのアルゴリズムは、プランナーの高速マーチングツリー（FMT*）とリアルタイムの急速な概要ランダムツリー（RT-RRT*）に基づいています。
シミュレーションを介して、RT-FMTは、ほとんどの場合、実行コストと到着時間の両方でRT- RRT*を上回ることを示します。
さらに、シミュレーションを介して、劣等な経路を取る可能性がわずかであるにもかかわらず、到着時間を短縮するために、グローバルパスを利用できるようになる前にローカルパスをとる価値があることを実証します。

要約(オリジナル)

This paper proposes the Real-Time Fast Marching Tree (RT-FMT), a real-time planning algorithm that features local and global path generation, multiple-query planning, and dynamic obstacle avoidance. During the search, RT-FMT quickly looks for the global solution and, in the meantime, generates local paths that can be used by the robot to start execution faster. In addition, our algorithm constantly rewires the tree to keep branches from forming inside the dynamic obstacles and to maintain the tree root near the robot, which allows the tree to be reused multiple times for different goals. Our algorithm is based on the planners Fast Marching Tree (FMT*) and Real-time Rapidly-Exploring Random Tree (RT-RRT*). We show via simulations that RT-FMT outperforms RT- RRT* in both execution cost and arrival time, in most cases. Moreover, we also demonstrate via simulation that it is worthwhile taking the local path before the global path is available in order to reduce arrival time, even though there is a small possibility of taking an inferior path.

arxiv情報

著者 Jefferson Silveira,Kleber Cabral,Sidney Givigi,Joshua A. Marshall
発行日 2025-02-13 18:08:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | Real-Time Fast Marching Tree for Mobile Robot Motion Planning in Dynamic Environments はコメントを受け付けていません

A Bias-Correction Decentralized Stochastic Gradient Algorithm with Momentum Acceleration

投稿日: 2025年2月14日 作成者: jarxiv

要約

分散確率的最適化アルゴリズムは、大規模なデータセットを同時に処理し、モデルトレーニングを大幅に加速できます。
ただし、それらの有効性は、分散ネットワークとデータの不均一性のスパースによってしばしば妨げられます。
この論文では、運動量（EDM）と呼ばれる運動量加速分散確率勾配アルゴリズムを提案します。これは、データの不均一性からのバイアスを軽減し、収束率を高めるために一般的に使用される運動量技術を組み込みます。
私たちの理論分析は、EDMアルゴリズムが最適な解の近傍にサブリーニアリングに収束することを示しています。その半径は、非凸の対物性関数に適用される場合、データの不均一性に関係なく、その半径です。
強い凸性よりも弱い仮定であるpolyak-lojasiewicz状態では、ターゲット領域に直線的に収束します。
複雑な分散パラメーター更新構造の運動量を処理するために採用された分析手法は、十分にタイトな収束上限をもたらし、他の運動量ベースの分散アルゴリズムの理論分析のための新しい視点を提供します。

要約(オリジナル)

Distributed stochastic optimization algorithms can simultaneously process large-scale datasets, significantly accelerating model training. However, their effectiveness is often hindered by the sparsity of distributed networks and data heterogeneity. In this paper, we propose a momentum-accelerated distributed stochastic gradient algorithm, termed Exact-Diffusion with Momentum (EDM), which mitigates the bias from data heterogeneity and incorporates momentum techniques commonly used in deep learning to enhance convergence rate. Our theoretical analysis demonstrates that the EDM algorithm converges sub-linearly to the neighborhood of the optimal solution, the radius of which is irrespective of data heterogeneity, when applied to non-convex objective functions; under the Polyak-Lojasiewicz condition, which is a weaker assumption than strong convexity, it converges linearly to the target region. Our analysis techniques employed to handle momentum in complex distributed parameter update structures yield a sufficiently tight convergence upper bound, offering a new perspective for the theoretical analysis of other momentum-based distributed algorithms.

arxiv情報

著者 Yuchen Hu,Xi Chen,Weidong Liu,Xiaojun Mao
発行日 2025-02-13 16:14:34+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.DC, cs.LG, math.OC, stat.ML | A Bias-Correction Decentralized Stochastic Gradient Algorithm with Momentum Acceleration はコメントを受け付けていません

A Differentiable Rank-Based Objective For Better Feature Learning

投稿日: 2025年2月14日 作成者: jarxiv

要約

この論文では、既存の統計的手法を活用して、データからの機能学習をよりよく理解します。
\ cite {azadkia2021simple}で導入されている条件付き独立（foci）による機能の順序付け、モデルフリーの変数選択方法を変更することでこれに取り組みます。
焦点は条件付き依存性のノンパラメトリック係数に基づいていますが、そのパラメトリックで微分可能な近似を導入します。
この近似相関係数を使用すると、Diffociと呼ばれる新しいアルゴリズムを提示します。これは、その微分可能性と学習可能なパラメーターのおかげで、より広範な機械学習の問題に適用できます。
3つのコンテキストでdiffociを提示します。（1）焦点とのベースライン比較を伴う可変選択方法として、（2）ニューラルネットワークでパラメータ化されたトレーニング可能なモデルとして、（3）一般的で広く適用可能なニューラルネットワークの正規者として、
偽の相関をより良く管理することで、機能学習を改善します。
おもちゃの例の基本的な変数の選択から、畳み込みネットワークの顕著性マップ比較に至るまで、ますます複雑な問題についてDiffociを評価します。
次に、敏感なデータに依存することなく分類を促進するために、公平性のコンテキストにDiffociを組み込む方法を示します。

要約(オリジナル)

In this paper, we leverage existing statistical methods to better understand feature learning from data. We tackle this by modifying the model-free variable selection method, Feature Ordering by Conditional Independence (FOCI), which is introduced in \cite{azadkia2021simple}. While FOCI is based on a non-parametric coefficient of conditional dependence, we introduce its parametric, differentiable approximation. With this approximate coefficient of correlation, we present a new algorithm called difFOCI, which is applicable to a wider range of machine learning problems thanks to its differentiable nature and learnable parameters. We present difFOCI in three contexts: (1) as a variable selection method with baseline comparisons to FOCI, (2) as a trainable model parametrized with a neural network, and (3) as a generic, widely applicable neural network regularizer, one that improves feature learning with better management of spurious correlations. We evaluate difFOCI on increasingly complex problems ranging from basic variable selection in toy examples to saliency map comparisons in convolutional networks. We then show how difFOCI can be incorporated in the context of fairness to facilitate classifications without relying on sensitive data.

arxiv情報

著者 Krunoslav Lehman Pavasovic,David Lopez-Paz,Giulio Biroli,Levent Sagun
発行日 2025-02-13 16:15:43+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, stat.ML | A Differentiable Rank-Based Objective For Better Feature Learning はコメントを受け付けていません

Proxy-informed Bayesian transfer learning with unknown sources

投稿日: 2025年2月14日 作成者: jarxiv

要約

一般化トレーニングデータの範囲外では、異なるデータソース間で転送される効果とそうでない効果に関する事前知識を活用する必要があります。
転送学習は、ソース（トレーニング）およびターゲット（予測）データのセットに関するこの知識を指定および改善するためのフレームワークです。
挑戦的なオープンな問題は、負の伝達の経験的現象に対処することです。これにより、転送学習者は、ソースデータを以前よりも考慮した後、ターゲットデータでより悪化します。
最初に、負の伝達に関するベイジアンの視点を紹介し、次にそれに対処する方法を紹介します。
私たちの定式化からの重要な洞察は、負の伝達が、ソースデータの譲渡不可能な原因に関する誤った特定の事前の情報に起因する可能性があることです。
提案された方法、確率的転送学習のためのプロキシ情報に基づいた堅牢な方法（プロンプト）は、ソースデータの事前知識を必要としません（データソースは「不明」かもしれません）。
したがって、潜在的な交絡因子の存在など、タスク間の違いが観察されない場合、プロンプトは適用されます。
さらに、学習者は、ターゲットタスクの観測にアクセスする必要はなく（「微調整することはできません）、代わりにプロキシ（間接）情報を使用する必要があります。
我々の理論的結果は、否定的な伝達の脅威はプロキシ情報の情報性に依存しないことを示しており、人間のフィードバックなどの騒々しい間接情報のみが利用可能な場合のプロンプトの有用性を強調しています。

要約(オリジナル)

Generalization outside the scope of one’s training data requires leveraging prior knowledge about the effects that transfer, and the effects that don’t, between different data sources. Transfer learning is a framework for specifying and refining this knowledge about sets of source (training) and target (prediction) data. A challenging open problem is addressing the empirical phenomenon of negative transfer, whereby the transfer learner performs worse on the target data after taking the source data into account than before. We first introduce a Bayesian perspective on negative transfer, and then a method to address it. The key insight from our formulation is that negative transfer can stem from misspecified prior information about non-transferable causes of the source data. Our proposed method, proxy-informed robust method for probabilistic transfer learning (PROMPT), does not require prior knowledge of the source data (the data sources may be ‘unknown’). PROMPT is thus applicable when differences between tasks are unobserved, such as in the presence of latent confounders. Moreover, the learner need not have access to observations in the target task (cannot ‘fine-tune’), and instead makes use of proxy (indirect) information. Our theoretical results show that the threat of negative transfer does not depend on the informativeness of the proxy information, highlighting the usefulness of PROMPT in cases where only noisy indirect information, such as human feedback, is available.

arxiv情報

著者 Sabina J. Sloman,Julien Martinelli,Samuel Kaski
発行日 2025-02-13 16:28:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, stat.ML | Proxy-informed Bayesian transfer learning with unknown sources はコメントを受け付けていません

Port-Hamiltonian Architectural Bias for Long-Range Propagation in Deep Graph Networks

投稿日: 2025年2月14日 作成者: jarxiv

要約

グラフ内の情報拡散のダイナミクスは、特に長距離伝播を検討する場合、グラフ表現学習に大きな影響を与える重要なオープンな問題です。
これには、神経の流れ全体の情報の伝播と散逸の程度を制御および調節する原則的なアプローチが必要です。
これにより動機付けられて、ハミルトニアン動的システムの保存法則を築くことにより、グラフの神経情報の流れをモデル化する新しいフレームワークであるハミルトニアンディープグラフネットワーク（ポート）を紹介します。
単一の理論的および実用的なフレームワークの下で、非ディシパニックな長距離伝播と非保守的な動作の両方で調整し、機械システムからツールを導入して、2つの成分間の平衡を測定します。
私たちのアプローチは、一般的なメッセージ通過アーキテクチャに適用でき、時間内に情報保存に関する理論的保証を提供します。
経験的な結果は、長距離ベンチマークでの最先端のパフォーマンスに単純なグラフの畳み込みアーキテクチャをプッシュする際のポートハミルトニアンスキームの有効性を証明します。

要約(オリジナル)

The dynamics of information diffusion within graphs is a critical open issue that heavily influences graph representation learning, especially when considering long-range propagation. This calls for principled approaches that control and regulate the degree of propagation and dissipation of information throughout the neural flow. Motivated by this, we introduce (port-)Hamiltonian Deep Graph Networks, a novel framework that models neural information flow in graphs by building on the laws of conservation of Hamiltonian dynamical systems. We reconcile under a single theoretical and practical framework both non-dissipative long-range propagation and non-conservative behaviors, introducing tools from mechanical systems to gauge the equilibrium between the two components. Our approach can be applied to general message-passing architectures, and it provides theoretical guarantees on information conservation in time. Empirical results prove the effectiveness of our port-Hamiltonian scheme in pushing simple graph convolutional architectures to state-of-the-art performance in long-range benchmarks.

arxiv情報

著者 Simon Heilig,Alessio Gravina,Alessandro Trenta,Claudio Gallicchio,Davide Bacciu
発行日 2025-02-13 16:32:55+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.SY, eess.SY | Port-Hamiltonian Architectural Bias for Long-Range Propagation in Deep Graph Networks はコメントを受け付けていません

Optimism in the Face of Ambiguity Principle for Multi-Armed Bandits

投稿日: 2025年2月14日 作成者: jarxiv

要約

フォロー・ザ・レギュラー化されたリーダー（FTRL）アルゴリズムは、多くの場合、敵対的および確率的盗賊の問題に対して最適な後悔を享受し、合理化された分析を可能にします。
それにもかかわらず、FTRLアルゴリズムは、すべての反復における最適化問題の解決を必要とするため、計算的に困難です。
対照的に、フォロー・ザ・パルター・リーダー（FTPL）アルゴリズムは、武器の報酬の推定値を摂動することにより計算効率を達成しますが、後悔の分析は面倒です。
敵対的および確率的マルチアライム盗賊の両方に最適なポリシーを生成する新しいFTPLアルゴリズムを提案します。
FTRLと同様に、私たちのアルゴリズムは統一された後悔分析を認め、FTPLと同様に、計算コストが低くなります。
\ textit {既知の}分布に準拠した独立した添加剤の妨害に依存する既存のFTPLアルゴリズムとは異なり、特定のセットに属することが知られている\ textit {Amviguous}分布によって支配された妨害を可能にし、楽観主義の原則を提案します。
あいまいさの顔。
その結果、我々のフレームワークは既存のFTPLアルゴリズムを一般化します。
また、現在のFTPLメソッドでは不可能であると思われるいくつかの最適なケースを含む、特別なケースとして広範なFTRLメソッドをカプセル化します。
最後に、離散選択理論の手法を使用して、楽観的なアームサンプリング確率を計算するための効率的な二等分アルゴリズムを考案します。
このアルゴリズムは、すべての反復で最適化の問題を解決する標準のFTRLアルゴリズムよりも最大$ 10^4 $倍高速です。
私たちの結果は、既存の推測を解決するだけでなく、FTRLをFTPLにマッピングすることにより、摂動の影響に関する新しい洞察を提供します。

要約(オリジナル)

Follow-The-Regularized-Leader (FTRL) algorithms often enjoy optimal regret for adversarial as well as stochastic bandit problems and allow for a streamlined analysis. Nonetheless, FTRL algorithms require the solution of an optimization problem in every iteration and are thus computationally challenging. In contrast, Follow-The-Perturbed-Leader (FTPL) algorithms achieve computational efficiency by perturbing the estimates of the rewards of the arms, but their regret analysis is cumbersome. We propose a new FTPL algorithm that generates optimal policies for both adversarial and stochastic multi-armed bandits. Like FTRL, our algorithm admits a unified regret analysis, and similar to FTPL, it offers low computational costs. Unlike existing FTPL algorithms that rely on independent additive disturbances governed by a \textit{known} distribution, we allow for disturbances governed by an \textit{ambiguous} distribution that is only known to belong to a given set and propose a principle of optimism in the face of ambiguity. Consequently, our framework generalizes existing FTPL algorithms. It also encapsulates a broad range of FTRL methods as special cases, including several optimal ones, which appears to be impossible with current FTPL methods. Finally, we use techniques from discrete choice theory to devise an efficient bisection algorithm for computing the optimistic arm sampling probabilities. This algorithm is up to $10^4$ times faster than standard FTRL algorithms that solve an optimization problem in every iteration. Our results not only settle existing conjectures but also provide new insights into the impact of perturbations by mapping FTRL to FTPL.

arxiv情報

著者 Mengmeng Li,Daniel Kuhn,Bahar Taşkesen
発行日 2025-02-13 16:35:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, stat.ML | Optimism in the Face of Ambiguity Principle for Multi-Armed Bandits はコメントを受け付けていません

Learning to Predict Global Atrial Fibrillation Dynamics from Sparse Measurements

投稿日: 2025年2月14日 作成者: jarxiv

要約

心房細動のカテーテルアブレーション（AF）は、持続性AFでの成功が限られている1サイズのすべての治療で構成されています。
これは、AFのダイナミクスを、シーケンシャルコンタクトマッピングカテーテルによって提供される限られた解像度とカバレッジをマッピングできないためである可能性があり、パーソナライズされたターゲットアブレーションのための効果的な患者の表現型を防ぐことができます。
ここでは、スパース測定からグローバルなAFダイナミクスを再構築するグラフ再発性ニューラルネットワークモデルであるFIBMAPを紹介します。
51の非接触心房録音で訓練および検証されたFIBMAPは、10％の表面被覆率からATRIA全体のダイナミクスを再構築し、ベースラインメソッドと比較して210％低い平均絶対誤差と追跡位相特異点で数桁高いパフォーマンスを達成します。
FIBMAPの臨床的有用性は、実際の接触マッピング記録で実証されており、非接触マッピングに匹敵する再構成の忠実度を実現します。
FIBMAPの状態空間と患者固有のパラメーターは、電気栄養型AFの洞察を提供します。
FIBMAPを臨床診療に統合すると、パーソナライズされたAFケアが可能になり、結果が改善されます。

要約(オリジナル)

Catheter ablation of Atrial Fibrillation (AF) consists of a one-size-fits-all treatment with limited success in persistent AF. This may be due to our inability to map the dynamics of AF with the limited resolution and coverage provided by sequential contact mapping catheters, preventing effective patient phenotyping for personalised, targeted ablation. Here we introduce FibMap, a graph recurrent neural network model that reconstructs global AF dynamics from sparse measurements. Trained and validated on 51 non-contact whole atria recordings, FibMap reconstructs whole atria dynamics from 10% surface coverage, achieving a 210% lower mean absolute error and an order of magnitude higher performance in tracking phase singularities compared to baseline methods. Clinical utility of FibMap is demonstrated on real-world contact mapping recordings, achieving reconstruction fidelity comparable to non-contact mapping. FibMap’s state-spaces and patient-specific parameters offer insights for electrophenotyping AF. Integrating FibMap into clinical practice could enable personalised AF care and improve outcomes.

arxiv情報

著者 Alexander Jenkins,Andrea Cini,Joseph Barker,Alexander Sharp,Arunashis Sau,Varun Valentine,Srushti Valasang,Xinyang Li,Tom Wong,Timothy Betts,Danilo Mandic,Cesare Alippi,Fu Siong Ng
発行日 2025-02-13 16:36:25+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, eess.SP | Learning to Predict Global Atrial Fibrillation Dynamics from Sparse Measurements はコメントを受け付けていません

Conformal Predictive Portfolio Selection

投稿日: 2025年2月14日 作成者: jarxiv

要約

この調査では、ポートフォリオリターンの予測モデルを使用したポートフォリオの選択を調べます。
ポートフォリオの選択は金融の基本的なタスクであり、この目標を達成するためにさまざまな方法が開発されています。
たとえば、平均分散アプローチは、アセットリターンの平均と分散の間のトレードオフのバランスをとることによりポートフォリオを構築しますが、分位ベースのアプローチは、尾のリスクを考慮することでポートフォリオを最適化します。
これらの方法は、多くの場合、予測モデルを使用して履歴データから推定された分布情報に依存しており、それぞれに独自の不確実性があります。
これに対処するために、\ emphomal {cppormal Predictive Portfolio Selection}（CPPS）と呼ばれるコンフォーマル予測を介して、予測ポートフォリオ選択のフレームワークを提案します。
当社のアプローチは、将来のポートフォリオのリターンを予測し、対応する予測間隔を計算し、これらの間隔に基づいて関心のあるポートフォリオを選択します。
このフレームワークは柔軟性があり、自己回帰（AR）モデル、ランダムフォレスト、ニューラルネットワークなど、幅広い予測モデルに対応できます。
CPPSフレームワークをARモデルに適用することにより、CPPSフレームワークの有効性を実証し、実証研究を通じてパフォーマンスを検証し、より単純な戦略と比較して優れたリターンを提供することを示します。

要約(オリジナル)

This study examines portfolio selection using predictive models for portfolio returns. Portfolio selection is a fundamental task in finance, and a variety of methods have been developed to achieve this goal. For instance, the mean-variance approach constructs portfolios by balancing the trade-off between the mean and variance of asset returns, while the quantile-based approach optimizes portfolios by considering tail risk. These methods often depend on distributional information estimated from historical data using predictive models, each of which carries its own uncertainty. To address this, we propose a framework for predictive portfolio selection via conformal prediction , called \emph{Conformal Predictive Portfolio Selection} (CPPS). Our approach forecasts future portfolio returns, computes the corresponding prediction intervals, and selects the portfolio of interest based on these intervals. The framework is flexible and can accommodate a wide range of predictive models, including autoregressive (AR) models, random forests, and neural networks. We demonstrate the effectiveness of the CPPS framework by applying it to an AR model and validate its performance through empirical studies, showing that it delivers superior returns compared to simpler strategies.

arxiv情報

著者 Masahiro Kato
発行日 2025-02-13 16:41:13+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, econ.EM, q-fin.PM | Conformal Predictive Portfolio Selection はコメントを受け付けていません

Assessing Generative AI value in a public sector context: evidence from a field experiment

投稿日: 2025年2月14日 作成者: jarxiv

要約

生成AI（GEN AI）の出現は、さまざまなタスクにわたって生産性を向上させるためにそれをどのように使用できるかを理解することに興味をそそられています。
公共部門の設定における複雑な知識ベースのタスクに対するGen AIのパフォーマンスへの影響に関する研究結果に追加されます。
事前に登録された実験では、ベースラインレベルのパフォーマンスを確立した後、ドキュメントの理解とデータ分析に関連する2種類の複合タスクの複雑な証拠が見つかります。
ドキュメントタスクの場合、GEN AIを使用した治療グループは、対照群と比較して、回答品質スコア（人間の評価者が判断）の17％改善とタスク完了時間の34％改善を示しました。
データタスクでは、GEN AI治療グループが品質スコアが12％減少し、対照群と比較して平均完了時間に有意差はないことがわかります。
これらの結果は、Gen AIの利点がタスクであり、潜在的に回答者に依存する可能性があることを示唆しています。
また、学んだフィールドノートとレッスン、および参加者との裁判後の調査やフィードバックワークショップからの補足的な洞察についても説明します。

要約(オリジナル)

The emergence of Generative AI (Gen AI) has motivated an interest in understanding how it could be used to enhance productivity across various tasks. We add to research results for the performance impact of Gen AI on complex knowledge-based tasks in a public sector setting. In a pre-registered experiment, after establishing a baseline level of performance, we find mixed evidence for two types of composite tasks related to document understanding and data analysis. For the Documents task, the treatment group using Gen AI had a 17% improvement in answer quality scores (as judged by human evaluators) and a 34% improvement in task completion time compared to a control group. For the Data task, we find the Gen AI treatment group experienced a 12% reduction in quality scores and no significant difference in mean completion time compared to the control group. These results suggest that the benefits of Gen AI may be task and potentially respondent dependent. We also discuss field notes and lessons learned, as well as supplementary insights from a post-trial survey and feedback workshop with participants.

arxiv情報

著者 Trevor Fitzpatrick,Seamus Kelly,Patrick Carey,David Walsh,Ruairi Nugent
発行日 2025-02-13 16:43:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, econ.GN, q-fin.EC, q-fin.GN | Assessing Generative AI value in a public sector context: evidence from a field experiment はコメントを受け付けていません