Apr, 2024

一个生物启发的计算信任模型对于具有信任者人口更替的开放多代理系统的稳健性

PDF
TL;DR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。
trust and reputation modelsopen multi-agent systemsdecentralized computational trust modelsimulationstrustor population changes
发现论文，激发创造
  • 使用深度 Q 学习在计算信任机制中动态切换推 / 拉行为

    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

  • 一个用于协同多智能体系统的信任因子图模型

    该研究通过引入因子图的新图形方法，揭示了多智能体系统中代理之间的行为和可信度关系，并提出了一种分散式评估可信度的方法，以考虑接近安全、一致性和合作等关键因素，验证了该方法在无信号交叉口中自主导航的模拟和实证测试中的有效性。

    Feb, 2024

  • 基于信任的社交网络推荐系统模型

    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

  • 通过学习队友模型实现的分散 MCTS

    本文提出一种可训练的在线分散式规划算法，基于分散蒙特卡洛树搜索，结合先前的剧集运行学习的队友模型，利用深度学习和卷积神经网络生成精确的策略逼近器，提高了策划性能。此算法支持去中心化在线规划的多代理系统.

    Mar, 2020

  • 一种基于心理模型的信任理论

    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

  • 隐私保护机器学习的分布式信任框架

    本文介绍了一种分布式基础设施，用于实现分布式代理之间的点对点信任，从而协同执行保护隐私的机器学习工作流程。使用 Hyperledger Aries，Decentralised Identifiers (DIDs) 和 Verifiable Credentials (VCs) 建立了一个分布式信任体系，促进与心理健康护理相关的联邦学习工作流程。

    Jun, 2020

  • 多智能体强化学习系统中基于信任的共识

    该论文探讨了在多智能体强化学习中存在不可靠智能体的问题以及如何实现让智能体在存在不可靠智能体的情况下达成共识，通过提出基于强化学习的可信共识机制，使智能体能够根据与它们之间的交互经验自主决定与何人通信，并取得了更高的共识成功率。

    May, 2022

  • 协作人工智能系统的弹性建模

    通过实时学习和人机互动，以及对系统性能的自动追踪，本研究提出了一个新的框架来建模协同人工智能系统（CAIS）的性能，以应对系统遭遇破坏性事件时的需求。通过在一个真实案例中的测试，证明了该框架能够被应用于 CAIS 并整合到 CAIS 活动的在线执行中。

    Jan, 2024

  • 基于共识导向的多智能体通信的分散自适应编队

    提出了一种新的 Cons-DecAF 框架，通过使用 ConsMAC 方法进行多智能体强化学习，利用策略蒸馏实现自适应编队调整，并采用基于 Hausdorff 距离的位移式编队，取得了出色的速度和稳定性表现。

    Jul, 2023

  • 基于数据驱动的双层方法的非线性多智能体系统领从一致性对抗复合攻击

    本文研究基于数字孪生技术的不确定非线性多智能体系统在遭受 `Denial of Service` 和控制攻击的条件下的领从一致性问题，并提出一个具有两层控制框架的鲁棒控制方案。方案分别包括了基于分布式滤波器和基于攻击补偿策略的统一最终有界一致收敛的分布式模型无关自适应协议。

    Mar, 2023