智能手机数据采集与分布式计算中的激励机制

Jan, 2014

Motivating Smartphone Collaboration in Data Acquisition and Distributed Computing

Lingjie Duan, Takeshi Kubo, Kohei Sugiyama, Jianwei Huang, Teruyuki Hasegawa...

TL;DR本文研究了为鼓励智能手机用户在数据采集和分布式计算应用上合作而设计的不同激励机制，并提出一种基于奖励的协作机制，以及如何针对不同的用户类型设计最优契约。

Abstract

This paper analyzes and compares different incentive mechanisms for a master to motivate the collaboration of smartphone users on both data acqui

发现论文，激发创造

采用博弈论设计一种有效的激励机制来解决联邦学习中用户参与之间的难题，同时解决由于学习过程中隐私泄露而导致的效果下降问题。

Sep, 2020

本研究采用合同理论设计一种有效的激励机制，以促进具有高质量（即高准确性）数据的移动设备参加联合学习，并在提高学习准确性的同时，加强数据隐私保护和安全性。

May, 2019

本项目提出了一种基于区块链和智能合约的去中心化机器学习激励机制，为设备提供激励并检查反馈学习架构行为，从而实现去中心化和机会式学习。

Apr, 2023

通过差分隐私作为奖励，我们通过引入协作机器学习训练模型，对多个参与方的数据进行价值评估和奖励，并保护隐私风险。实证结果表明，我们的方法在合成和真实数据集上具有有效性和实用性。

Apr, 2024

本论文考虑如何设计一种激励机制，以在固有的逆向选择环境下，利用纯粹的协作或对抗以及报告代价获得真实从众意见汇报。

Jan, 2014

本文介绍了一种激励机制，鼓励客户共享他们所拥有的尽可能多的数据，以提高联合学习的性能，该机制与以前的不同之处在于使用模型性能而不是数据作为激励，我们在一定的条件下理论上证明了客户将使用他们尽可能多的数据参与联合学习

May, 2022

移动众包是指任务的完成必须要求众包人员在按需工作力量中进行物理移动的系统。本文提出了在移动众包中实现任务转移、结果预测和任务协调的不同机制，包括数据流学习方法用于任务结果预测，以及具有不同自治程度的两种不同方法实现任务协调，分别为具有协作但非自治的众包运输机制和具有自治众包人员的市场模式。

Jan, 2024

本文提出了一种基于 Shapley 价值和信息增益的奖励方案，在注入高斯噪声时通过一个可调参数权衡公平和稳定性，以满足合作机器学习中的一些可取属性，并根据合成和真实数据集来评估其性能。

Oct, 2020

本文提出了一种合作计算的系统，使用户将计算分配给助手，控制分配过程以最小化用户的能耗，并证明了问题的最优解结构特征，最后将其扩展到突发数据案例，并通过模拟得出了算法的实效性。

Apr, 2017

本文提出了一种新的众包框架来解决分散式学习中的通信效率问题，并通过制定参与客户端的准入控制方案来保证其本地准确性水平。通过基于激励和 Stackelberg 游戏等模型的分析与模拟实验，证明了该方案的有效性。

Nov, 2019