通信管网工程
乐鱼体育直播:信管领域机器学习相关研究指南
  发表时间:2022-07-19 | 来源:乐鱼体育直播下载 作者:乐鱼体育app靠谱 

  在过去几十年间,通常通过对于训练数据的暴露程度对经验$E$进行刻画。根据提供给模型的训练数据是否包含标签(即目标变量)可以将模型分为两类:

  标签(或者更多的训练数据)需要一定的代价来获取(主动学习,active learning)

  在存在潜在的协同作用时,同时学习多个模型(多任务分类,multi-task classification)

  从大量的无标签数据中创建监督学习任务(自监督学习,self-supervised learning)

  利用一个领域的模型在另一个全新但是与之相关的领域中习得新模型(迁移学习,transfer learning)

  随着机器学习技术的发展,信管研究领域中的研究者越来越多开展基于机器学习与相关应用科学领域的交叉研究。因此在决定投稿时,研究者将主要从如下方面进行考虑:

  从上图可以看出,信管领域顶级期刊也鼓励将机器学习与信管领域问题相结合的文章,但不同于计算机顶刊(会)上的文章,这些期刊更希望看到机器学习技术与具体信管/商业场景的结合。

  通过整理此前MISQ中所接受的各类ML相关文章,可以将机器学习在信管领域相关研究中的贡献分为三类:

  虽然将贡献分为了以上三类,但实则三者并不是相非相互对立,部分研究可能在多个方面都存在贡献。恰好三个部分与笔者日常研究方向的相关程度也是从高到低依次递减,因此在介绍篇幅上对三者也将各有所取舍。

  该类研究主要关注“通过设计模型与算法来解决商业与社会中的问题”,希望能够提供“方法论上的贡献”(metho-dological contributions)。

  使用机器学习方法进行因果推理能够为此前传统计量模型难以解决的部分场景提供新的解决思路,但是在具体使用上述方法时,有如下注意事项:

  事先证明建模选择的合理性。讨论考虑过的可选方案以及当前方案相较于来自当前最优方法的发展 (而不是将整个模型作为贡献来呈现),以帮助读者更好地理解和了解工作的背景

  避免过分强调估计——它不是这类论文最重要的贡献。简要讨论独特的评估问题,尽可能使用最先进的工具,并在补充材料/透明度材料中提供必要的复制细节(超参数设置,搜索过程等)。不要过多陈述估计过程,该部分并非该类型文章的最重要的贡献

  由于该类研究通常估计政策不变参数(policy invariant parameters)(例如:用户效用函数),因此能带来更加可信的

  在本文的前面简要讨论一下,为什么需要一个结构计量经济学模型(因为它们通常比简化形式的方法更复杂),以回答研究问题。这对于理解研究场景十分有帮助。

  根据相关理论和数据集中的启示性证据,详细展示模型的基本脉络。将提出的模型与那些基于其他备选理论的模型进行比较(使用AIC/BIC、样本外预测等),表明该模型很好地描述了现象

  虽然对这些模型的估计是有挑战性的,但这不是关键的贡献。在简要讨论独特的评估挑战的同时,最好在可用的时候使用最先进的评估工具。

  对于机器学习驱动的信息系统(ML-driven information system)而言,如下角度仍有待进一步探索:

  在单智能体情况下,从ML相应操作会影响环境,而环境又会影响(随后且持续地)输入到ML模型中的数据。对环境进行显式建模,以及从ML模型中得出的操作如何影响数据本身,这可能非常复杂,且是问题依赖的。但上述思路可以为研究提供新的途径。

  除了上述场景外,机器学习领域最近还对另一类学习问题产生了较大兴趣:performative prediction。该类问题主要考虑机器学习模型所做的决策将如何影响它们被用来预测的结果。而在考虑多个机器学习驱动的智能体(以及考虑人工参与,一类特殊的智能体)时会变得更加重要。

  本次分享很好地为后续如何在信管领域开展机器学习相关研究提供了详细指导。通过本次分享,我们进一步明确了在大数据人工智能时代下开展信管研究的新范式:相较于计算机领域相关研究,信管学者更应将他们对于社科领域的知识与前沿技术进行有机结合;而相较于传统的社科类学者,信管学者则更应积极拥抱前沿技术,通过对技术采用更为包容的态度来更好地解决传统模型难以涉及的部分问题。

Copyright (C) 2019  乐鱼体育直播下载-乐鱼体育app靠谱  乐鱼体育直播下载-乐鱼体育app靠谱   All rights reserved   版权所有
联系地址:长沙市芙蓉区马王堆中路蔚蓝天空大厦九楼    电话:0731-8235888  传真:0731-82610000

湘ICP备13006809号