English(EN) Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks

新的神经网络架构提高了离散选择建模的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-09 04:00

研究人员开发了一种新颖的摊销推理方法，使用等变神经网络来近似相关离散选择模型的选择概率。该方法旨在通过捕捉真实的替代模式来克服传统logit模型的严格假设。所提出的架构和训练程序以群论为基础，能够快速进行似然评估和梯度计算，在准确性和速度方面均显著优于现有模拟器。 AI

影响通过提高准确性和速度，增强了经济学和市场营销中决策建模的能力。

排序理由学术论文，详细介绍了使用神经网络进行离散选择模型的新方法。 [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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Easton Huch, Michael Keane · 2026-07-09 04:00

Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks

arXiv:2603.24705v3 Announce Type: replace-cross Abstract: Discrete choice models are fundamental tools in management science, economics, and marketing for understanding and predicting decision-making. Logit-based models are dominant in applied work, largely due to their convenien…