全部版块 我的主页
论坛 经济学人 二区 外文文献专区
542 12
2022-06-24
英文标题:
《Self Organizing Supply Chains for Micro-Prediction: Present and Future
  uses of the ROAR Protocol》
---
作者:
Peter Cotton
---
最新提交年份:
2019
---
英文摘要:
  A multi-agent system is trialed as a means of crowd-sourcing inexpensive but high quality streams of predictions. Each agent is a microservice embodying statistical models and endowed with economic self-interest. The ability to fork and modify simple agents is granted to a large number of employees in a firm and empirical lessons are reported. We suggest that one plausible trajectory for this project is the creation of a Prediction Web.
---
中文摘要:
一个多智能体系统被试着作为一种众包廉价但高质量预测流的手段。每个代理都是一个包含统计模型的微服务,并具有经济自利性。一家公司的大量员工被授予了分叉和修改简单代理的能力,并报告了经验教训。我们建议,该项目的一个可行轨道是创建预测网络。
---
分类信息:

一级分类:Statistics        统计学
二级分类:Applications        应用程序
分类描述:Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学,教育学,流行病学,工程学,环境科学,医学,物理科学,质量控制,社会科学
--
一级分类:Computer Science        计算机科学
二级分类:Computers and Society        计算机与社会
分类描述:Covers impact of computers on society, computer ethics, information technology and public policy, legal aspects of computing, computers and education. Roughly includes material in ACM Subject Classes K.0, K.2, K.3, K.4, K.5, and K.7.
涵盖计算机对社会的影响、计算机伦理、信息技术和公共政策、计算机的法律方面、计算机和教育。大致包括ACM学科类K.0、K.2、K.3、K.4、K.5和K.7中的材料。
--
一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Statistics        统计学
二级分类:Machine Learning        机器学习
分类描述:Covers machine learning papers (supervised, unsupervised, semi-supervised learning, graphical models, reinforcement learning, bandits, high dimensional inference, etc.) with a statistical or theoretical grounding
覆盖机器学习论文(监督,无监督,半监督学习,图形模型,强化学习,强盗,高维推理等)与统计或理论基础
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-24 09:52:34
微观预测的自组织供应链:ROAR协议的当前和未来应用Peter CottonAbstractpirical lessons报告。我们认为,这个项目的一个可行的轨迹是创建一个“预测网”。1、推动预测网络在众多标签下,应用统计学在21世纪具有新的意义。可以说,我们生活在一个“微观预测”经济中,就像我们的无数身份、定价或导航一样。微观预测,我们定义为重复的微观预测流,是一种经济利益。诚然,这是一个重要的经济问题:如何有效地组织预测产品的生产和向社会所有成员传播商品?摩根大通公司,美国纽约州纽约市。通信地址:Peter Cotton<Peter。dcotton@jpmorgan.com>.加利福尼亚州thLong Beach,2019年。作者版权所有2019。通过使用“微观预测”这一短语,我们将数千或数百万个相同类型的重复预测的概念与预测的通常俗套解释拉开了距离,俗套解释指的是明年的GDP或选举结果。我们提出了一种以简单协议为中心的微观预测经济。在我们的经济贸易中,智能微服务(以下简称“Bot”)。这些机器人是由工程师和数据科学家开发的。背景:众包和共同任务框架。使用马克·利伯曼(Marc Liberman)定义明确的定量任务识别(CTF)来描述以下设置:1。一个公开可用的培训数据集,涉及每个人,以及该观察的类别标签。2.根据训练数据推断类预测规则。3.通过提交的规则实现。学术数据科学竞赛和标准化数据集由来已久。最近有一些引人注目的尝试成功了(Carpenter,2011)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 09:52:37
在那里,AllState使用了精算部门的Crowd。微观预测竞争时代的自组织供应链。将近4000种不同的算法被输入,人群抹杀了行业基准,误差减少了40%以上。方便了。哈佛医学院聘请TopCoder改进DNA字符串的编辑距离计算。在TopCoder竞赛之前,最广为人知的技术具有很高的准确性,但需要2000台计算机才能将计算时间缩短到几秒钟。比赛将计算时间减少到16秒。由开源工具和开放教育授权的统计众包社区的不完整列表。平台注册用户FocusTopCoder 120000编程Kaggle 600000数据科学Quantopian 210000Quant tradingQuantConnect 750000Quant tradingCrowdAnalytix 20000数据科学表1。Numerai,Quantiacs并为任何遗漏道歉。部署、持续模型相关性或模型监督。不认为世界各地的人才的能力得到了充分利用。https://www.topcoder.com/case-studies/harvard/future外部时间序列的值。3、我们的经验在一家大型企业中采用众包统计“lambda”转向我们的项目,我们将讨论转移到简化数据问题上,这与贸易融资委员会的历史数据设置形成对比。每个主要业务都包括需要预测的仪表化流程,我们也不例外。我们的实际例子包括各种各样的任务,例如估计许多分行提前一小时的银行分行活动,预测市政建筑的交易水头用电量。有成千上万的可能性。在我们的项目中,我们强制参与者提供适用于实时流数据的模型。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 09:52:40
我们关注流式数据的原因是:o这是业务需要的o减少过度配置o消除数据泄漏o数据搜索成为竞争的一部分,以减轻模型部署、数据收集、,数据清理和各种实际问题落在竞赛的创造者而不是参与者身上,因此有理由问谁在做大部分工作。减价品人们是否希望聪明的人找到相关的外部数据?如前所述,众包的这一好处可能会“毁掉”一场历史性的比赛,因为参赛者的结果是一样的。我们将此限制转化为一个特性。微观预测和生产者的互动方式如下。1.生产者,通常要求预测随着时间推移将显示的数量。2.(说几秒钟之内)。3.学习。用于微观预测的自组织供应链4。之后,消费者通常基于相对准确度发送生产者补偿。响应,然后在下次调用之前避免使用计算资源。这个循环的重复很重要。同样类型的问题数量不多,双方都在重复博弈。我们为流媒体预测创建了一个ROAR平台,将convalue发送给竞争对手的机器人。原则上,公司的任何员工都可以输入任何microment软件和脚手架代码,从而释放communitydeployment。虽然这种模式低估了预测经济的概念,但它被视为使用竞赛应用程序创建主动化密钥的重要第一步。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 09:52:43
机器人的累积性能在领导委员会上报告。声明获胜者将获得参加大型机器学习会议的所有费用。同样,数据泄漏几乎被消除。表格数据集是一回事,但部署、维护和改进一个必须在现场学习的模型被视为一个重大的采用障碍。特别是,随着新数据点的涌入,我们预计他们将处于不利地位。ers。使用Domino数据实验室的云数据科学平台。图1:。citycent的参与经常进行互动,并且几乎完成。如果我们没有关闭条目,这个数字会大得多。无论是地理位置还是时区预防参与者,在没有任何人类帮助的情况下都不会成功。对参与者的采访显示,与Expericin相反,Expericin包括技术挑战(如存储和状态、在线学习等)。上文开头的雄心壮志是机器人堆叠。具体来说,其中一个机器人要求另一个机器人尝试预测其错误。因此,虽然我们预计,即使在我们采取措施积极鼓励它之前,这第一个实验也会合并。它本身显然,我们低估了观众的创造力。一些参与者熟悉的系统,或不同的语言环境。同样在几天内,员工创建了参考机器人,满足了替代系统的API,而无需此跃点。当然,对误差的二次预测必然会出现问题。微观预测的自组织供应链参与者参与进来,帮助彼此解决历史问题。一些机器人程序调用了现有的分析端点。自动机器学习是这场比赛的本质。参与者合作创建docker Environment,避免了从头开始和花时间的需要,可以更好地宣传pipusage模式。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 09:52:46
例如,数据清理、推荐、异常检测等应用程序。很容易适应这种情况。类似地,ROAR协议的应用加强了行动条件预测,此外,ROAR促进了这一问题的新方法。例如,Roars可以通过一个价值函数的竞争流来实现关注点的分离(专业化),而另一个目标可以通过伸缩差异来定义,就像中的时间差异学习技巧一样(Sutton,1988)。通过建立隐私保护的直接方式在不了解任何有关数据的情况下,我们希望改变被查看的内容。比赛提供了一个纯粹客观的性能衡量标准,咆哮模式的目录即将发布。与实际感兴趣的数量有因果关系的数量,或与实际感兴趣的数量的模型相关的成分。部署在交易台附近。相反,这是一名相对初级的员工,在孟买的一家办公室从事一项不相关的工作只有一年的经验。数量-凭借十多年的市场经验,讨论了如何选择一名代表挑战头衔,尽管最终没有成功。考虑到潜在的不适,这件事受到了普遍的欢迎。对于算法“buzz”,虽然将此语句形式化可能会带来一些方法上的挑战。winnerengineering。大约一周左右的数据通过一个机器人,使用一个临时性的、较少人工修补的工具。这种类型的进展是插入式的。上市时间始终是企业的首要考虑,在传统的工作流程中,这可能需要在兔子和乌龟模型之间进行权衡。不,在这里。我们的指标没有反映出来。一些员工有动力开始学习。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群