研究人员推出了一种名为 Alternative Graph Neural Networks (Alt-GNNs) 的新方法，该方法将广义极值 (GEV) 模型与深度学习相结合，用于离散选择建模。这一新框架将选择替代项之间的依赖性直接嵌入到神经网络架构中，克服了先前需要预定义或对称依赖结构的方法的局限性。Alt-GNNs 在理论上与随机效用最大化一致，并在旅行模式选择数据集上实证证明了预测性能的显著提高。 AI
影响 为离散选择建模引入了一种新颖的神经网络架构，有可能提高交通规划等领域的预测准确性。
排序理由 介绍新模型架构的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
