10:42
arXiv cs.LG@Yuhui Yin, Vassilis M. Charitopoulos
推荐理由：这篇论文用生成模型替换传统固定形状的不确定性集，给出了五个可操作的评估标准，生产规划实验数据扎实，搞鲁棒优化或不确定性量化的值得看看。
全部 AI 动态
AI 相关资讯全量信息流
6月23日
10:42
论文提出Generative Robust Optimisation (GRO)框架，用深度生成模型（如Wasserstein Adversarial Autoencoder）的解码器图像作为不确定性集，能表达非线性、非对称和多模态依赖。框架包含五个评估标准：重建保真度、分布匹配、潜在空间规整性、鲁棒相关性和计算可处理性。在六个不确定性分布和六种生成架构的生产规划问题以及多周期设施选址实验中，系统关注全部五个标准能同时提升不确定性集的表达力和优化可解性。
6月16日
20:46
AITOP6月16日 20:46
6月15日
11:10
11:10
arXiv cs.LG@Pedro Chumpitaz-Flores, My Duong, Juan S. Borrero, Kaixun Hua
推荐理由：教你用贪心算法选关键方向，逼近最优解。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07