Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Právě jsem na své webové stránce zveřejnil svůj přehledový článek "Deep Learning for Solving Economic Models":
Za jeden nebo dva týdny bude také rozeslán jako pracovní dokument na NBER a CEPR. Přesto jsem chtěl dát lidem vědět už teď, protože jsem s výsledkem docela spokojený, a to hlavně díky fantastické zpětné vazbě, kterou jsem dostal.
Jak často tvrdím, probíhající revoluce v hlubokém učení mění způsob, jakým řešíme dynamické rovnovážné ekonomické modely. Řešení modelu se ve své podstatě rovná aproximaci neznámých cílových funkcí (jako je hodnotová funkce agentů, rozhodovací pravidlo nebo funkce nejlepší odezvy). Hluboké učení často odvádí v tomto úkolu fantastickou práci.
V článku zdůrazňuji, že tento úspěch není "kouzlem", ale spíše přímým důsledkem schopnosti hlubokého učení objevovat lepší reprezentace relevantních proměnných modelu (například stavových proměnných). Vrstvy neuronové sítě transformují vstupní proměnné do informačně efektivních reprezentací, které lze snadněji aproximovat. Tom Sargent rád říká, že najít stát je umění. Hluboké učení se snaží toto umění co nejvíce automatizovat.
To je důvod, proč nyní v mnoha případech můžeme řešit vysoce dimenzionální problémy, které byly ještě před několika lety výpočetně neproveditelné.
Navíc struktura hlubokých sítí navržených pro řešení těchto modelů, z velké části lineární kromě nelinearity zapouzdřené v aktivační funkci, umožňuje masivní paralelizaci.
Průzkumný dokument je navržen tak, aby začínal od základů. Mým zamýšleným publikem je student prvního ročníku postgraduálního studia s jen velmi základními znalostmi metod řešení, nebo dokonce motivovaný student vyššího ročníku.
Velmi bych ocenil zpětnou vazbu. Dokážete sledovat argumenty v celém textu? Existují kroky, které zůstávají nejasné? Vyučoval jsem kurzy založené na tomto materiálu na Penn, Bank of Spain, Cambridge, ECB, Harvardu, Johns Hopkins, Northwestern, Oxfordu, Princetonu, UC Santa Barbara a Stanfordu, ale vždy hledám nové oči, abych navrhl zlepšení.
Všechny prezentace s odkazy na kód jsou k dispozici zde:
v části "Strojové učení pro ekonomy".
Nakonec možná použiji tento přehledový papír a prezentace jako jádro pro něco delšího, ale nejprve si musím vyčistit stůl od příliš mnoha probíhajících projektů.

78,92K
Top
Hodnocení
Oblíbené