論文の概要: BitTensor: A Peer-to-Peer Intelligence Market

• arxiv url: http://arxiv.org/abs/2003.03917v3
• Date: Wed, 10 Nov 2021 02:05:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 08:25:31.955868
• Title: BitTensor: A Peer-to-Peer Intelligence Market
• Title（参考訳）: bittensor:ピアツーピアのインテリジェンス市場
• Authors: Yuma Rao, Jacob Steeves, Ala Shaabana, Daniel Attevelt, Matthew McAteer
• Abstract要約: 我々は、インターネット上の他のインテリジェンスシステムによって、インテリジェンスが価格設定される市場を提案する。 スコアはデジタル台帳に蓄積され、上位のピアは、ネットワーク内で追加の重みで金銭的に報酬を受ける。 このソリューションは接続ベースの正規化であり、信頼された仲間に指数関数的に報酬を与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: As with other commodities, markets could help us efficiently produce machine intelligence. We propose a market where intelligence is priced by other intelligence systems peer-to-peer across the internet. Peers rank each other by training neural networks which learn the value of their neighbors. Scores accumulate on a digital ledger where high ranking peers are monetarily rewarded with additional weight in the network. However, this form of peer-ranking is not resistant to collusion, which could disrupt the accuracy of the mechanism. The solution is a connectivity-based regularization which exponentially rewards trusted peers, making the system resistant to collusion of up to 50 percent of the network weight. The result is a collectively run intelligence market which continual produces newly trained models and pays contributors who create information theoretic value.
• Abstract（参考訳）: 他の商品と同様に、市場はマシンインテリジェンスを効率的に生産するのに役立ちます。 我々は、インターネット上の他のインテリジェンスシステムによって、インテリジェンスが価格設定される市場を提案する。 ピアは、隣人の価値を学ぶニューラルネットワークをトレーニングすることで、お互いをランク付けします。 スコアはデジタル台帳に蓄積され、上位のピアは、ネットワーク内で追加の重みで金銭的に報酬を受ける。 しかし、このようなピアランクの形式は衝突に抵抗せず、機構の精度を損なう可能性がある。 このソリューションは接続ベースの正規化であり、信頼された仲間に指数関数的に報酬を与え、システムは最大50%のネットワーク重みの結束に抵抗する。 その結果、新たにトレーニングされたモデルを継続的に生産し、情報理論の価値を生み出すコントリビュータに支払うインテリジェンス市場が生まれました。

関連論文リスト

• Deceptive Sequential Decision-Making via Regularized Policy Optimization [54.38738815697299]
  システムの基本的報酬に対する敵意を積極的に欺く政策合成問題に対する2つの正則化戦略を提示する。 政策最適化問題において,各形態の騙しをいかに実装できるかを示す。 ディバータリーの詐欺は、最も重要なエージェントが最重要であると敵に信じさせ、同時に、その最適で非知覚的な価値の980.83%の合計的な報酬を得ることを示せる。
  論文  参考訳（メタデータ） (2025-01-30T23:41:40Z)
• BotDetect: A Decentralized Federated Learning Framework for Detecting Financial Bots on the EVM Blockchains [3.4636217357968904]
  本稿では、仮想マシン(EVM)ベースのブロックチェーン内の金融ボットを検出するために、分散フェデレーション学習(DFL)アプローチを提案する。 提案するフレームワークでは,スマートコントラクトによって編成されたフェデレーション学習を活用して,悪意のあるボット動作を検出する。 実験の結果,我々のDFLフレームワークは,スケーラビリティと堅牢性を維持しつつ高い検出精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T13:15:43Z)
• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• Artificial Intelligence and Algorithmic Price Collusion in Two-sided Markets [9.053163124987535]
  両市場において,Qラーニングを用いたAIエージェントが暗黙の共謀にどのように関与するかを検討する。 我々の実験によると、AI駆動プラットフォームはBertrandの競合よりも高いコラシオンレベルを実現している。 ネットワークの外部性の向上は、共謀を著しく向上させ、AIアルゴリズムがそれらを活用して利益を最大化することを示唆している。
  論文  参考訳（メタデータ） (2024-07-04T17:57:56Z)
• Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
  本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。 シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。 ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
  論文  参考訳（メタデータ） (2023-10-02T12:33:28Z)
• "Guinea Pig Trials" Utilizing GPT: A Novel Smart Agent-Based Modeling Approach for Studying Firm Competition and Collusion [10.721432974840429]
  我々は、スマートエージェントが企業を代表し、相互に対話する、スマートエージェントベースモデリング(SABM)と呼ばれる革新的なフレームワークを提案する。 スマートエージェントは意思決定のための広範な知識基盤を持ち、従来のABMエージェントを超越した人間のような戦略能力を示す。 その結果、コミュニケーションがなければ、スマートエージェントは常に暗黙の共謀に到達し、バーランド均衡価格よりも高い値で収束するが、モノポリーやカルテル価格よりも低い値となることが示された。
  論文  参考訳（メタデータ） (2023-08-21T18:42:17Z)
• Searching for the Essence of Adversarial Perturbations [73.96215665913797]
  本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。 この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
  論文  参考訳（メタデータ） (2022-05-30T18:04:57Z)
• Federated Learning using Smart Contracts on Blockchains, based on Reward Driven Approach [0.0]
  スマートコントラクトベースのブロックチェーンが、フェデレートされた学習のための非常に自然なコミュニケーションチャネルであることを示す。 我々は、各エージェントの貢献度をいかに直感的に構築し、トレーニングと報酬プロセスのライフサイクルと統合できるかを示す。
  論文  参考訳（メタデータ） (2021-07-19T12:51:22Z)
• Training Massive Deep Neural Networks in a Smart Contract: A New Hope [5.0737599874451105]
  ディープニューラルネットワーク(DNN)は、DeFiやNFTトレーディングといったブロックチェーンアプリケーションで非常に有用である。 本稿では,A New Hope (ANH) と呼ばれる新しいプラットフォーム設計を提案する。 i) 計算集約的なスマートコントラクトトランザクションは、結果を必要とするノード、あるいは特定のサービスプロバイダによってのみ実行される、(ii) 非決定論的スマートコントラクトトランザクションは、不確実な結果をもたらす、という考え方です。
  論文  参考訳（メタデータ） (2021-06-28T14:38:44Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)
• Smart Contract Vulnerability Detection: From Pure Neural Network to Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
  従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。 最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。 ソースコードから専門家パターンを抽出する自動ツールを開発する。 次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
  論文  参考訳（メタデータ） (2021-06-17T07:12:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。