面向基数受限泊松回归的可扩展混合整数锥优化方法及安全筛选
机器人学
2025-04-18 v1 人工智能
计算机视觉与模式识别
摘要
本文提出了一种新颖的方法，用于基数受限泊松回归，以解决高维计数数据中的特征选择问题。我们将问题建模为混合整数锥优化，使其能够使用现代求解器获得最优解。为提高计算效率，我们基于费克尔共轭 developed了安全筛选技术，从而在优化前有效地删除无关特征。在合成数据集上的实验表明，安全筛选显著减少问题规模，显著提升计算时间。我们的 methods能够求解具有上万个特征的泊松回归问题，超越了以往研究的规模。该工作为高维泊松回归提供了可解释特征选择的有价值工具。
引用
@article{arxiv.2504.12817,
title = {Explainable Scene Understanding with Qualitative Representations and Graph Neural Networks},
author = {Nassim Belmecheri and Arnaud Gotlieb and Nadjib Lazaar and Helge Spieker},
journal= {arXiv preprint arXiv:2504.12817},
year = {2025}
}
备注
Workshop "Advancing Automated Driving in Highly Interactive Scenarios through Behavior Prediction, Trustworthy AI, and Remote Operations" @ 36th IEEE Intelligent Vehicles Symposium (IV)