Variational Bayesian Decision-making for Continuous Utilities

Näytä kaikki kuvailutiedot



Pysyväisosoite

http://hdl.handle.net/10138/310129

Lähdeviite

Kusmierczyk , T , Sakaya , J & Klami , A 2019 , Variational Bayesian Decision-making for Continuous Utilities . in H Wallach , H Larochelle , A Beygelzimer , F d'Alché-Buc , E Fox & R Garnett (eds) , Advances in Neural Information Processing Systems 32 (NIPS 2019) . Advances in Neural Information Processing Systems , vol. 32 , Morgan Kaufmann Publishers , Maryland Heights, MO , Advances in neural information processing systems , Vancouver , Canada , 08/12/2019 . < https://papers.nips.cc/paper/8868-variational-bayesian-decision-making-for-continuous-utilities.pdf >

Julkaisun nimi: Variational Bayesian Decision-making for Continuous Utilities
Tekijä: Kusmierczyk, Tomasz; Sakaya, Joseph; Klami, Arto
Muu tekijä: Wallach, H.
Larochelle, H.
Beygelzimer, A.
d'Alché-Buc , F.
Fox, E.
Garnett, R.
Tekijän organisaatio: Department of Computer Science
Multi-source probabilistic inference research group / Arto Klami
Helsinki Institute for Information Technology
Julkaisija: Morgan Kaufmann Publishers
Päiväys: 2019-12
Kieli: eng
Sivumäärä: 11
Kuuluu julkaisusarjaan: Advances in Neural Information Processing Systems 32 (NIPS 2019)
Kuuluu julkaisusarjaan: Advances in Neural Information Processing Systems
ISSN: 1049-5258
URI: http://hdl.handle.net/10138/310129
Tiivistelmä: Bayesian decision theory outlines a rigorous framework for making optimal decisions based on maximizing expected utility over a model posterior. However, practitioners often do not have access to the full posterior and resort to approximate inference strategies. In such cases, taking the eventual decision-making task into account while performing the inference allows for calibrating the posterior approximation to maximize the utility. We present an automatic pipeline that co-opts continuous utilities into variational inference algorithms to account for decision-making. We provide practical strategies for approximating and maximizing the gain, and empirically demonstrate consistent improvement when calibrating approximations for specific utilities.
Avainsanat: 113 Computer and information sciences
Vertaisarvioitu: Kyllä
Pääsyrajoitteet: openAccess
Rinnakkaistallennettu versio: publishedVersion


Tiedostot

Latausmäärä yhteensä: Ladataan...

Tiedosto(t) Koko Formaatti Näytä
8868_variationa ... r_continuous_utilities.pdf 754.3KB PDF Avaa tiedosto

Viite kuuluu kokoelmiin:

Näytä kaikki kuvailutiedot