Mar, 2024

智能物联网系统中基于网络的公平分布式合作性强盗学习（技术报告）

PDF
TL;DR该论文提出了一种用于智能物联网系统的多人多臂赌博模型，以促进数据收集并纳入公平考虑，通过设计一种分布式合作赌博算法，有效地帮助服务器与其邻居合作选择传感器，最大化数据速率同时保持公平，在奖励和公平方面，实验证明该算法优于现有算法。
intelligent internet of thingsmultiplayer multi-armed bandit modeldata collectionfairness considerationsdistributed cooperative bandit algorithm
发现论文，激发创造
  • 去中心化协作随机赌博机

    本文研究了多臂赌博机问题在网络上的去中心化协作，采用加速一致性过程来计算所有智能体对每个臂的平均奖励，该算法采用上置信区间来决策，能够达到更好的回归界，同时不需要过多的底层网络信息。

    Oct, 2018

  • 用于机会式频谱接入的分散式在线学习算法

    本文针对认知无线电网络中的多个次级用户争取多个信道的机会问题，提出去中心化多臂赌博问题，并设计出一种去中心化的在线学习策略，以达到尽可能降低总体期望回报与所有用户回归之间的差距。其中，分别考虑了优先级排序和公平访问策略。

    Apr, 2011

  • 分散区块链基于鲁棒型多智能体多臂赌博机

    我们研究了一个鲁棒的多代理多臂赌博问题，其中多个客户或参与者分布在完全去中心化的区块链上，可能有些参与者是恶意的。我们通过将区块链中先进的技术和新颖的机制结合到系统中，为诚实参与者设计了最优策略，以有效保证诚实参与者获取的累积奖励。通过遗憾分析，我们首次证明了所提算法在区块链中的优化上的理论保证，并与无恶意参与者的多代理多臂赌博问题以及具纯拜占庭攻击的鲁棒多代理多臂赌博问题保持一致。

    Feb, 2024

  • 工业物联网中基于深度强化学习的协作 DNN 推断保证准确性

    本文研究了工业物联网网络中协作深度神经网络推理问题，提出了一种基于深度强化学习的算法，将动态配置物联网设备的采样率、推理任务卸载和边缘计算资源分配共同考虑，通过转化为马尔可夫决策过程来最小化服务延迟并保证准确性。

    Dec, 2022

  • 基于合作上下文臂银行算法的分布式在线学习

    本文提出了一种新的分布式在线学习框架，将学习者建模为合作的情境赌博机，分析了分布式在线学习算法和完全知识基准的效率，研究表明后者在时间上失误是亚线性的，该理论框架可用于许多实际应用中，包括大数据挖掘、监视传感器网络事件检测和分布式在线推荐系统。

    Aug, 2013

  • 并发赌博机与认知无线电网络

    提出一种结合 epsilon-greedy 学习规则和避碰机制的算法，用于解决多用户共享多臂赌博问题，应用于认知无线电网络中，实验证明相比其他算法，该算法在此环境中可以显著提高性能，并取得次线性遗憾。

    Apr, 2014

  • 多人多臂赌博机的分布式学习

    本文研究了一种分散式多臂搏击器的问题，提出了一种达到最优秩序并确保公平性的分散式政策，并证明了其总遗憾增长速率的下限，这个问题在认知无线电网络，多通道通信系统，多智能体系统，网络搜索和广告以及社交网络等领域有潜在的应用。

    Oct, 2009

  • 差分隐私联合线性赌博机算法

    本文就基于上下文线性赌博机的联邦学习问题提出了一种称为 FedUCB 的多代理私有算法，该算法在中央化和去中心化（点对点）联邦学习方案中均可使用，在保证通信隐私的同时，在后遗憾度和隐私保证方面表现出极强的实用性。

    Oct, 2020

  • 分布式边缘物联网的群体学习

    研究论文通过探索分布式群集学习（DSL）这一新颖框架，结合了人工智能和生物群体智能，以解决物联网在无线网络边缘面临的通信和计算瓶颈、设备和数据异构性、安全风险、隐私泄露、非凸优化和复杂无线环境等问题。该框架为无线网络边缘的大规模物联网提供了高效解决方案和强大工具。

    Mar, 2024

  • 完全分布式雾计算负载均衡与多智能体强化学习

    提出了一种使用多智能体强化学习的全分布式负载平衡解决方案，通过智能地分布物联网工作负载，在提供公平资源利用的同时优化等待时间，从而最小化等待时间并改善端到端执行延迟。

    May, 2024