DT-DRO：用诊断传输校准模糊集提升分布鲁棒优化
Get the story
2026年10月9日，arXiv Statistics Machine Learning 发布一手论文，提出诊断传输分布鲁棒优化（DT-DRO）。该方法用留出校准数据调整模糊集几何，以适配观测到的预测误差；借助条件概率积分变换累积分布函数诊断系统性概率错配，并转化为结果级传输，联合调整模糊集中心与基础代价，可导出计算可行的对偶重构。理论上给出随估计与逼近误差消失而收紧的有效模糊半径与决策风险保证。合成实验与停电应用显示决策质量提升。目前报道仅涉及该论文内容，未见后续验证或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning通过诊断传输校准模糊集用于分布鲁棒优化
该论文提出诊断传输分布鲁棒优化（DT-DRO），用留出校准数据调整模糊集几何以适配观测到的预测误差。方法借助条件概率积分变换累积分布函数诊断系统性概率错配，并转化为结果级传输，联合调整模糊集中心与基础代价，可导出计算可行的对偶重构。理论给出随估计与逼近误差消失而收紧的有效模糊半径与决策风险保证，合成实验与停电应用显示决策质量提升。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.