研究人员开发了一种新颖的两阶段适配器，用于将基础模型与离散选择模型集成，确保经济学逻辑得以保留。该方法将基础模型预测嵌入多项 logit 结构中，并带有符号约束地拟合结构系数，然后应用神经网络校正。该方法保证了边际替代率的保留，并在各种数据集和基础模型上展示了显著的准确性提升，平均提高了 6.4 个百分点，同时保持了成本单调性。 AI
影响 这项研究提供了一种确保 AI 预测符合经济学原理的方法，有望提高 AI 在经济预测和决策中的可靠性。
排序理由 该集群描述了一篇详细介绍基础模型与离散选择模型集成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Discrete choice models with multiple unobserved choice characteristics
- foundation model
- marginal rate of substitution
- Multinomial Logit
- Neural Correction
- transport economics
- value of time
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
