使用深度学习工具,将拍卖建模为多层神经网络,将最优拍卖设计作为约束学习问题,并演示如何使用标准机器学习管道解决此问题。
Jun, 2017
机制设计是通过深度学习逼近满足所需特性的机制,研究中介绍了技术细节和关键成果,并展示了三个实证案例。
Jan, 2024
本文探讨了拍卖设计中激励兼容的问题,提出了使用神经网络和拉格朗日乘数法来实现优化拍卖的新思路,并将其形式化为双人博弈模型。
Jun, 2020
本研究探讨自动机制设计算法在组合拍卖中的应用,提供了关于组合拍卖类的样本复杂度分析,为自动机制设计奠定了坚实基础并推进了学习理论的边界。
Jun, 2016
通过使用具有置换等变性的神经结构,建立一个新的拍卖设计方法,提高对拍卖设计的预期收益和一般化性能。
Mar, 2020
该研究提出 Deep Neural Auctions (DNAs) 模型,通过设计可微分模型解决了拍卖机制中的离散排序操作问题,实现了端到端的拍卖学习,提高了基于电商广告的多种性能指标的效果。
Jun, 2021
提出了一个基于两阶段博弈模型的自动化机制设计功能框架,并将其应用于几类不完全信息的两人无穷博弈中。我们的方法使用黑盒优化算法,可以实现优化或接近最优化的机制设计,并在多种应用领域得到了验证。通过与已知的最优机制进行比较,我们证明了该方法是参数化设计间接机制的一个有前途的方法。
Jun, 2012
本研究提出了 PreferenceNet,一种基于神经网络的拍卖机制,并利用人类提供的样本对所提出的机制进行了约束编码。同时,该研究引入了一种新的指标来评估拍卖分配的社会可取性,并通过人类主体研究验证了方法的有效性。
本文探讨如何根据参与者的历史数据来更新经济机制以优化其表现,着重研究了在保证推断参与者偏好可行的前提下,设计最优机制的理论。
Apr, 2014
研究神经网络在拍卖设计及优化中的应用,证明了不可凸优化问题中局部最优解之间存在简单的分段线性路径,网络的表现满足模态连通性。
May, 2023