Амортизированный вывод для связанных с кором дискретных моделей выбора через эквивалентные нейронные сети

arXiv: 2603.24705v4 Annuales Type: заменить резюме: Дискреционные модели выбора являются основополагающими инструментами в науке управления, экономике и маркетинге для понимания и прогнозирования процесса принятия решений. В прикладной работе доминирующее место занимают модели, основанные на логитах, главным образом из-за их удобных для выбора выражений в закрытом формате. Вместе с тем они налагают ограничительные предположения в отношении стохастического компонента полезности, что ограничивает наши возможности по выявлению реалистичных моделей замещения. Мы предлагаем амортизированный подход, основанный на нейронной сети эмуляторе для приближения вероятности выбора общего распределения ошибок, включая те из них, которые имеют корреляционные ошибки. Мы разрабатываем специальную нейронную архитектуру, предназначенную для уважения инвариативных свойств дискретных моделей. Мы обеспечиваем групповую теоретику для архитектуры, включая доказательство универсального приближения с учетом минимального набора инвариантов. После подготовки эмулятор обеспечивает быструю вероятность эва