Effiziente Verarbeitung und Analyse von Inhalten durch Cone-Aligned Vector Estimation (CaVE) für schnelle Vorhersage-dann-Optimierung mit binären linearen Programmen

CaVE ist ein neuer Ansatz für das End-to-End-Training von Vorhersage-dann-Optimierung, der die vorhergesagten Kostenvektoren an den normalen Kegel des wahren optimalen Lösungsvektors ausrichtet. Dadurch wird die Notwendigkeit umgangen, das ursprüngliche binäre lineare Programm während des Trainings zu lösen, was zu einer deutlichen Beschleunigung der Trainingszeit führt, ohne Einbußen bei der Lösungsqualität.