一个用于协同多智能体系统的信任因子图模型
本文提出了一种基于信任的社交网络推荐系统模型,通过比较基于频率的推荐系统,探究了信任动态、网络密度、偏好异质性和知识稀疏性等对系统性能的影响,发现系统能够自我组织进入到接近最优的状态。
Nov, 2006
当前的信任和声誉模型存在着很大的局限性,我们的研究基于 CA 模型,旨在解决多个代理系统中不断变化的行为所导致的问题,我们通过一系列模拟实验证明,学会根据动态条件选择合适的信任模型可以最大化委托者的收益。
Apr, 2024
该篇论文介绍了一个关于机器人在部分观察环境下进行可靠的推理与规划的有效方法,通过提供现实世界中物体属性的概率信息,并采取正确的策略,实现基于内部状态的自我学习,并验证了该方法在两个开放领域的规划问题中的有效性。
Feb, 2018
本文介绍了两种最受欢迎的图模型:贝叶斯网络和马尔科夫随机场,并提出了一种新的图模型 —— 因子图。因子图可以将贝叶斯网络和马尔科夫随机场的优点结合起来,并采用单一的消息传递算法进行概率推断。另外,因子图是贝叶斯网络和马尔科夫随机场的严格超集。
Oct, 2012
本文提出了一种基于心理模型的信任理论,它不仅能够被用于推断信任,从而提供了一种替代心理或行为信任推断方法,而且还能作为基础用于任何信任感知的决策框架,通过对人类研究的对比,我们发现本文所提出的理论比最常用的信任量表(穆尔量表)更符合人类观察结果。
Jan, 2023
在动态多代理团队中,定义和衡量信任是非常重要的,特别是在国防和安全领域。我们关注的是如何定义目标和价值,以便能够以可解释的方式定义 ' 信任 ',并且人机皆可使用。我们提出了一套可以被人类或机器人团队成员理解的度量标准来定义人机团队之间的信任,并考虑了一个可以演示 ' 满意信任 ' 概念的实验。
Sep, 2023
本文研究分散式計算信任模型中的動態因素,並使用機器學習和強化學習方法,使信任主體能夠適應環境的變化,從而在動態環境中持續地表現。
Apr, 2024
我们在开发生成人类可理解的简洁自我能力评估框架方面取得了进展,并引入了概率元推理的若干方面,以处理不确定性下的算法规划和决策,以得到一组新的可推广的自信因素,以支持各种问题的能力评估。
Mar, 2022
本文提出了一个信任模型,用于混合环境中人类和无人车协作。我们以一种连贯的方式将情感引入到信任模型中,以实用的方法与当前心理学理论相结合。最具创新性的贡献是隐私问题在情感信任模型的合作决策中的作用。情感和信任都通过 GAMA 智能体平台中的自主智能体采用信念、欲望和意图(BDI)范例进行认知建模和管理,并使用 IEEE FIPA 标准进行通信。这些情感代理的信任行为在协作物流问题中进行了测试,其中智能体必须将物体移动到目的地,并且某些物体和场所存在隐私问题。对此物流问题的模拟执行显示出情感和信任如何提高智能体在节省时间和隐私保护方面的表现。
Jan, 2024