量化多目标不确定性代价
最优化与控制
2021-06-09 v2 系统与控制
系统与控制
机器学习
摘要
各种现实应用涉及对具有巨大不确定性的复杂系统建模，并基于该不确定模型优化多个目标。量化模型不确定性对给定运营目标的影响，对于设计能最有效降低影响当前应用相关目标的不确定性的最优实验至关重要。本文提出均值多目标不确定性代价（多目标 MOCU）的概念，可用于针对复杂不确定系统、考虑多个运营目标的不确定性基于目标的量化。我们提供了若干说明性示例来展示所提多目标 MOCU 的概念与优势。此外，我们给出一个基于哺乳动物细胞周期网络的真实示例，以展示当存在多个可能竞争的目标时，多目标 MOCU 如何用于量化模型不确定性的运营影响。
引用
@article{arxiv.2010.04653,
title = {Quantifying the multi-objective cost of uncertainty},
author = {Byung-Jun Yoon and Xiaoning Qian and Edward R. Dougherty},
journal= {arXiv preprint arXiv:2010.04653},
year = {2021}
}