Deep neural networks for choice analysis: A statistical learning theory perspective

•Used statistical learning theory to evaluate DNNs in choice analysis.•Operationalized DNN interpretability by using the choice probability functions.•Provided a tight upper bound on the estimation error of DNNs.•Conducted experiments to identify when DNNs outperform classical models.•DNNs can be mo...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Transportation research. Part B: methodological Ročník 148; s. 60 - 81
Hlavní autoři:	Wang, Shenhao, Wang, Qingyi, Bailey, Nate, Zhao, Jinhua
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Oxford Elsevier Ltd 01.06.2021 Elsevier Science Ltd
Témata:	Approximation Artificial neural networks Choice learning Choice modeling Deep neural networks Economic forecasting Interpretability Learning Learning theory Logit models Machine learning Mathematical analysis Mathematical models Neural networks Predictions Statistical analysis Statistical learning theory Statistical models Trip surveys Upper bounds Statistical learning theory Deep neural networks Interpretability Choice modeling
ISSN:	0191-2615, 1879-2367
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!