محققان حوزه هوش مصنوعی و بهینهسازی، چارچوب جدیدی به نام «Conformal Predictive Programming» یا به اختصار CPP معرفی کردند. این روش برای حل مسائل بهینهسازی که با متغیرهای تصادفی سروکار دارند (Chance Constrained Optimization) طراحی شده است.
ویژگی اصلی این مدل چیست؟
CPP با استفاده از «لم چندک» (Quantile Lemma)، مسائل پیچیده احتمالی را به فرمهای قطعی و قابلحل تبدیل میکند. مهمتر از آن، این چارچوب تضمینهای آماری بسیار قدرتمندی ارائه میدهد که حتی در شرایطی که فرضیات سنتی در دسترس نیستند، همچنان به خوبی عمل میکند.
این نوآوری به خصوص برای مدلهای هوش مصنوعی که با دادههای توزیعیافته یا تغییرات توزیع سروکار دارند (Distribution Shifts)، یک پیشرفت کاربردی و ارزشمند محسوب میشود.
سازی
منبع: arXiv Machine Learning