random utility maximization

神经网络为随机效用选择模型提供新方法

研究人员开发了一类新的神经网络模型，称为 RUMnets，旨在离散选择建模中表示随机效用最大化 (RUM) 原理。这些模型利用神经网络来近似代理人的随机效用函数，为预测选择提供了一种灵活而强大的方法。该研究表明，RUMnets 可以很好地近似现有的 RUM 离散选择模型，并且与 RUM 原理一致。实验表明，在真实世界和合成数据集的预测准确性方面，RUMnets 在选择建模和机器学习方法方面表现具有竞争力。