Buchumschlag

Robust Data-driven Prescriptiveness Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Poursoltani, Mehran, Delage, Erick, Georghiou, Angelos
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Optimization and Control Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mitigating optimistic bias in entropic risk estimation and optimization
von: Sadana, Utsav, et al.
Veröffentlicht: (2024)

Planning and Learning in Average Risk-aware MDPs
von: Wang, Weikai, et al.
Veröffentlicht: (2025)

Robust Learning Rate Selection for Stochastic Optimization via Splitting Diagnostic
von: Sordello, Matteo, et al.
Veröffentlicht: (2019)

Optimizing Input Data Collection for Ranking and Selection
von: Song, Eunhye, et al.
Veröffentlicht: (2025)

Data-Driven Influence Functions for Optimization-Based Causal Inference
von: Jordan, Michael I., et al.
Veröffentlicht: (2022)

StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
von: Wang, Zhenyu, et al.
Veröffentlicht: (2025)

Fast Robust Kernel Regression through Sign Gradient Descent with Early Stopping
von: Allerbo, Oskar
Veröffentlicht: (2023)

From Contextual Data to Newsvendor Decisions: On the Actual Performance of Data-Driven Algorithms
von: Besbes, Omar, et al.
Veröffentlicht: (2023)

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes
von: Xu, Mingyuan, et al.
Veröffentlicht: (2026)

AltGDmin: Alternating GD and Minimization for Partly-Decoupled (Federated) Optimization
von: Vaswani, Namrata
Veröffentlicht: (2025)

Data-Driven Sequential Sampling for Tail Risk Mitigation
von: Ahn, Dohyun, et al.
Veröffentlicht: (2025)

Bridging Constraints and Stochasticity: A Fully First-Order Method for Stochastic Bilevel Optimization with Linear Constraints
von: Phan, Cac, et al.
Veröffentlicht: (2025)

Statistical Analysis of Conditional Group Distributionally Robust Optimization with Cross-Entropy Loss
von: Guo, Zijian, et al.
Veröffentlicht: (2025)

A Survey of Contextual Optimization Methods for Decision Making under Uncertainty
von: Sadana, Utsav, et al.
Veröffentlicht: (2023)

Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting
von: Garcia, Joaquim Dias, et al.
Veröffentlicht: (2021)

A Robust Optimization Approach to Network Control Using Local Information Exchange
von: Darivianakis, Georgios, et al.
Veröffentlicht: (2024)

Distributionally Robust Optimization with Decision-Dependent Information Discovery
von: Jin, Qing, et al.
Veröffentlicht: (2024)

A distribution-free mixed-integer optimization approach to hierarchical modelling of clustered and longitudinal data
von: Sankaranarayanan, Madhav, et al.
Veröffentlicht: (2023)

Optimal Cross-Validation for Sparse Linear Regression
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2023)

Changing the Kernel During Training Leads to Double Descent in Kernel Regression
von: Allerbo, Oskar
Veröffentlicht: (2023)

Automatic Outlier Rectification via Optimal Transport
von: Blanchet, Jose, et al.
Veröffentlicht: (2024)

Learning Large Causal Structures from Inverse Covariance Matrix via Sparse Matrix Decomposition
von: Dong, Shuyu, et al.
Veröffentlicht: (2022)

SplitVAEs: Decentralized scenario generation from siloed data for stochastic optimization problems
von: Islam, H M Mohaimanul, et al.
Veröffentlicht: (2024)

Random Pareto front surfaces
von: Tu, Ben, et al.
Veröffentlicht: (2024)

Global Group Fairness in Federated Learning via Function Tracking
von: Rychener, Yves, et al.
Veröffentlicht: (2025)

DCILP: A Distributed Approach for Large-Scale Causal Structure Learning
von: Dong, Shuyu, et al.
Veröffentlicht: (2024)

Calibrated Multi-Level Quantile Forecasting
von: Ding, Tiffany, et al.
Veröffentlicht: (2025)

Arc travel time and path choice model estimation subsumed
von: Mohammadpour, Sobhan, et al.
Veröffentlicht: (2022)

Locally Adaptive Multi-Objective Learning
von: Kaur, Jivat Neet, et al.
Veröffentlicht: (2026)

Bayesian optimization for mixed variables using an adaptive dimension reduction process: applications to aircraft design
von: Saves, Paul, et al.
Veröffentlicht: (2025)

Structured Difference-of-Q via Orthogonal Learning
von: Cao, Defu, et al.
Veröffentlicht: (2024)

The Stochastic Proximal Distance Algorithm
von: Jiang, Haoyu, et al.
Veröffentlicht: (2022)

Convergence of projected stochastic natural gradient variational inference for various step size and sample or batch size schedules
von: Guilmeau, Thomas, et al.
Veröffentlicht: (2026)

"Over-optimizing" for Normality: Budget-constrained Uncertainty Quantification for Contextual Decision-making
von: Wang, Yanyuan, et al.
Veröffentlicht: (2025)

Simultaneous estimation of multiple discrete unimodal distributions under stochastic order constraints
von: Yoshida, Yasuhiro, et al.
Veröffentlicht: (2026)

Selecting the Best Optimizing System
von: Si, Nian, et al.
Veröffentlicht: (2022)

Inverse Optimization via Learning Feasible Regions
von: Ren, Ke, et al.
Veröffentlicht: (2025)

Causal Invariance Learning via Efficient Nonconvex Optimization
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

BoTier: Multi-Objective Bayesian Optimization with Tiered Composite Objectives
von: Haddadnia, Mohammad, et al.
Veröffentlicht: (2025)

Navigating Demand Uncertainty in Container Shipping: Deep Reinforcement Learning for Enabling Adaptive and Feasible Master Stowage Planning
von: van Twiller, Jaike, et al.
Veröffentlicht: (2025)