Умные рекомендации: как экспертные сети раскрывают предпочтения пользователей

Новый подход к рекомендательным системам использует возможности экспертных сетей для более точного понимания и прогнозирования поведения пользователей на основе их разнообразных действий.


![Стандартное глобальное усреднение часто скрывает сигналы о сбоях, поэтому предложен фреймворк для оценки неопределенности, включающий в себя скользящее оконное усреднение ([latex]SW[/latex]) для фиксации кратковременных всплесков неопределенности, взвешивание переноса действий ([latex]ATR[/latex]) для приоритезации неопределенности во время колебательных действий и байесовскую оптимизацию ([latex]BO[/latex]) для обучения адаптивным весам для критически важных степеней свободы.](https://arxiv.org/html/2603.18342v1/x1.png)
![Для аэродинамического профиля с тремя степенями свободы, испытывающего воздействие критического дискретного порыва, система адаптивного управления с помощью MRAC демонстрирует снижение нагрузки при различных скоростях адаптации ([latex]\bm{\Gamma}=0.1\,\mathbf{Q}, 0.5\,\mathbf{Q}, 1.0\,\mathbf{Q}[/latex]), что свидетельствует об эффективности данного подхода к стабилизации полёта в сложных условиях.](https://arxiv.org/html/2603.18584v1/x7.png)