Buchumschlag

Bayesian preference elicitation for decision support in multiobjective optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huber, Felix, Gonzalez, Sebastian Rojas, Astudillo, Raul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A multiobjective continuation method to compute the regularization path of deep neural networks
von: Amakor, Augustina C., et al.
Veröffentlicht: (2023)

An explainable model to support the decision about the therapy protocol for AML
von: Almeida, Jade M., et al.
Veröffentlicht: (2023)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
von: Amirkhanian, Hayk, et al.
Veröffentlicht: (2025)

Inadequacy of common stochastic neural networks for reliable clinical decision support
von: Lindenmeyer, Adrian, et al.
Veröffentlicht: (2024)

Adaptively profiling models with task elicitation
von: Brown, Davis, et al.
Veröffentlicht: (2025)

REFA: Reference Free Alignment for multi-preference optimization
von: Gupta, Taneesh, et al.
Veröffentlicht: (2024)

Optimal Policy Minimum Bayesian Risk
von: Astudillo, Ramón Fernandez, et al.
Veröffentlicht: (2025)

The Tournament Tree Method for preference elicitation in Multi-criteria decision-making
von: García-Zamora, Diego, et al.
Veröffentlicht: (2025)

Constrained multi-fidelity Bayesian optimization with automatic stop condition
von: Foumani, Zahra Zanjani, et al.
Veröffentlicht: (2025)

Automated Computational Energy Minimization of ML Algorithms using Constrained Bayesian Optimization
von: Mitra, Pallavi, et al.
Veröffentlicht: (2024)

Multicriteria decision support employing adaptive prediction in a tensor-based feature representation
von: Campello, Betania Silva Carneiro, et al.
Veröffentlicht: (2024)

Information-Theoretic Safe Bayesian Optimization
von: Bottero, Alessandro G., et al.
Veröffentlicht: (2024)

Calibrated Test-Time Guidance for Bayesian Inference
von: Geyfman, Daniel, et al.
Veröffentlicht: (2026)

Deep one-gate per layer networks with skip connections are universal classifiers
von: Rojas, Raul
Veröffentlicht: (2025)

Ethics2vec: aligning automatic agents and human preferences
von: Bontempi, Gianluca
Veröffentlicht: (2025)

Distilling and exploiting quantitative insights from Large Language Models for enhanced Bayesian optimization of chemical reactions
von: Patel, Roshan, et al.
Veröffentlicht: (2025)

Local Entropy Search over Descent Sequences for Bayesian Optimization
von: Stenger, David, et al.
Veröffentlicht: (2025)

From research to clinic: Accelerating the translation of clinical decision support systems by making synthetic data interoperable
von: Chauhan, Pavitra, et al.
Veröffentlicht: (2023)

Ergodic Risk Measures: Towards a Risk-Aware Foundation for Continual Reinforcement Learning
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2025)

A Differential Perspective on Distributional Reinforcement Learning
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning and The Tale of Two Temporal Difference Errors
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2026)

Burning RED: Unlocking Subtask-Driven Reinforcement Learning and Risk-Awareness in Average-Reward Markov Decision Processes
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2024)

When should we prefer Decision Transformers for Offline Reinforcement Learning?
von: Bhargava, Prajjwal, et al.
Veröffentlicht: (2023)

Posterior Mean Matching: Generative Modeling through Online Bayesian Inference
von: Salazar, Sebastian, et al.
Veröffentlicht: (2024)

Fairness under uncertainty in sequential decisions
von: Lee, Michelle Seng Ah, et al.
Veröffentlicht: (2026)

Categorical Policies: Multimodal Policy Learning and Exploration in Continuous Control
von: Islam, SM Mazharul, et al.
Veröffentlicht: (2025)

Comparison of decision trees with Local Interpretable Model-Agnostic Explanations (LIME) technique and multi-linear regression for explaining support vector regression model in terms of root mean square error (RMSE) values
von: Thombre, Amit
Veröffentlicht: (2024)

Thermodynamics of Reinforcement Learning Curricula
von: Adamczyk, Jacob, et al.
Veröffentlicht: (2026)

On convex decision regions in deep network representations
von: Tětková, Lenka, et al.
Veröffentlicht: (2023)

Capturing waste collection planning expert knowledge in a fitness function through preference learning
von: Díaz, Laura Fernández, et al.
Veröffentlicht: (2024)

OSIL: Learning Offline Safe Imitation Policies with Safety Inferred from Non-preferred Trajectories
von: Burnwal, Returaj, et al.
Veröffentlicht: (2026)

BOxCrete: A Bayesian Optimization Open-Source AI Model for Concrete Strength Forecasting and Mix Optimization
von: Baten, Bayezid, et al.
Veröffentlicht: (2026)

Latent Principle Discovery for Language Model Self-Improvement
von: Ramji, Keshav, et al.
Veröffentlicht: (2025)

Paradoxical noise preference in RNNs
von: Eckstein, Noah, et al.
Veröffentlicht: (2026)

Tell me why: Training preferences-based RL with human preferences and step-level explanations
von: Karalus, Jakob
Veröffentlicht: (2024)

Bayesian Preference Elicitation for Decision Support in Multi‐Objective Optimization
von: Felix Huber, et al.
Veröffentlicht: (2025)

Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments
von: Slautin, Boris N., et al.
Veröffentlicht: (2024)

A Generic Machine Learning Framework for Fully-Unsupervised Anomaly Detection with Contaminated Data
von: Ulmer, Markus, et al.
Veröffentlicht: (2023)

Kalman Bayesian Transformer
von: Jing, Haoming, et al.
Veröffentlicht: (2025)

Neural Bayesian Filtering
von: Solinas, Christopher, et al.
Veröffentlicht: (2025)