論文の概要: Learning to Elect
- arxiv url: http://arxiv.org/abs/2108.02768v2
- Date: Sat, 7 Aug 2021 20:46:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 15:49:02.818162
- Title: Learning to Elect
- Title（参考訳）: 選び方を学ぶ
- Authors: Cem Anil, Xuchan Bao
- Abstract要約: 投票システムには、推薦システム、ウェブ検索、製品デザイン、選挙など幅広いアプリケーションがある。
本研究では,セットトランスフォーマーや完全連結グラフネットワーク,DeepSetsといったセットインプットニューラルネットワークアーキテクチャが,理論的にも経験的にも投票ルールの学習に適していることを示す。
- 参考スコア（独自算出の注目度）: 7.893831644671976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Voting systems have a wide range of applications including recommender
systems, web search, product design and elections. Limited by the lack of
general-purpose analytical tools, it is difficult to hand-engineer desirable
voting rules for each use case. For this reason, it is appealing to
automatically discover voting rules geared towards each scenario. In this
paper, we show that set-input neural network architectures such as Set
Transformers, fully-connected graph networks and DeepSets are both
theoretically and empirically well-suited for learning voting rules. In
particular, we show that these network models can not only mimic a number of
existing voting rules to compelling accuracy --- both position-based (such as
Plurality and Borda) and comparison-based (such as Kemeny, Copeland and
Maximin) --- but also discover near-optimal voting rules that maximize
different social welfare functions. Furthermore, the learned voting rules
generalize well to different voter utility distributions and election sizes
unseen during training.
- Abstract（参考訳）: 投票システムには、推薦システム、ウェブ検索、製品デザイン、選挙など幅広いアプリケーションがある。
汎用分析ツールの欠如により、ユースケースごとに望ましい投票ルールを手作業で設計することは困難である。
そのため,各シナリオを対象とした投票ルールを自動的に発見することが望ましい。
本稿では,Set Transformersや完全連結グラフネットワーク,DeepSetsといったセットインプットニューラルネットワークアーキテクチャが,理論的にも経験的にも投票規則の学習に適していることを示す。
特に,これらのネットワークモデルは,複数の既存投票ルールを模倣して,位置ベース(複数,ボルダなど)と比較ベース(ケメニー,コープランド,マクシミンなど)の両方の説得力のある正確性を実現するだけでなく,異なる社会福祉機能を最大化する最適に近い投票ルールも発見できることを示す。
さらに, 学習した投票ルールは, 異なる投票率分布と, 訓練中は見当たらない選挙規模によく一般化する。
関連論文リスト
- Learning How to Vote With Principles: Axiomatic Insights Into the Collective Decisions of Neural Networks [4.8342038441006805]
我々は、好みを集約するニューラルネットワークを構築し評価するフレームワークである、公理的なディープ投票を提案する。
1) ニューラルネットワークは, 精度が高いにもかかわらず, 投票規則の中核となる公理と一致せず, 結果の模倣と推論の解離が明らかになることが多い。
単に公理満足度を最適化することによって、ニューラルネットワークは、しばしば既存のものと大きく異なる新しい投票規則を合成することができる。
論文 参考訳（メタデータ） (2024-10-21T16:35:58Z) - NoVo: Norm Voting off Hallucinations with Attention Heads in Large Language Models [70.02816541347251]
本稿では,注意基準の未適用ポテンシャルを利用して,事実の精度を高める軽量なノム投票法(Nom Voting, NoVo)を提案する。
TruthfulQA MC1では、NoVoは現在の最先端および過去のすべてのメソッドを、驚くべきマージン -- 少なくとも19の精度ポイントで上回る。
論文 参考訳（メタデータ） (2024-10-11T16:40:03Z) - DeepVoting: Learning Voting Rules with Tailored Embeddings [13.037431161285971]
我々は、よい投票規則を設計する問題は、投票規則の確率的なバージョンを学ぶことの1つに再キャストする。
社会的選択文献からの選好プロファイルの埋め込みにより,既存の投票ルールをより効率的に学習できることを示す。
また、埋め込みを用いて学習したルールを微調整して、公理特性を改善した新しい投票ルールを作成することも示している。
論文 参考訳（メタデータ） (2024-08-24T17:15:20Z) - Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。
我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。
現在のAWAIRE実装の制限は、少数の候補者に限られている。
論文 参考訳（メタデータ） (2024-02-18T10:13:01Z) - Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。
我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
論文 参考訳（メタデータ） (2023-07-20T15:55:34Z) - Proportional Aggregation of Preferences for Sequential Decision Making [20.374669324368625]
投票者の選好を適度に決定する問題について検討する。
各ラウンドにおいて、決定ルールは、各投票者が承認した選択肢のどれかを報告する一連の選択肢から決定を選ばなければならない。
比喩的正当化表現に基づく公理を用いて、この目的を定式化する。
論文 参考訳（メタデータ） (2023-06-26T17:10:10Z) - Data as voters: instance selection using approval-based multi-winner voting [1.597617022056624]
機械学習(あるいはデータマイニング)におけるインスタンス選択問題に対する新しいアプローチを提案する。
私たちのモデルでは、インスタンスは有権者と候補者として二重の役割を担います。
SVM では,EJR や PJR を満たすいくつかの投票規則を用いて,平均精度をわずかに向上させた。
論文 参考訳（メタデータ） (2023-04-19T22:00:23Z) - Private Multi-Winner Voting for Machine Learning [48.0093793427039]
本稿では,2進数,$tau$,Powerset投票の3つの新しいDPマルチウィンナ機構を提案する。
バイナリ投票は、構成を通じてラベルごとに独立して行われる。
$tau$ voting bounds vote in their $ell$ norm for tight data-independent guarantees。
パワーセット投票は、可能な結果をパワーセットとして見ることによって、バイナリベクター全体を操作する。
論文 参考訳（メタデータ） (2022-11-23T20:06:46Z) - Expected Frequency Matrices of Elections: Computation, Geometry, and
Preference Learning [58.23459346724491]
我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。
分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
論文 参考訳（メタデータ） (2022-05-16T17:40:22Z) - Obvious Manipulability of Voting Rules [105.35249497503527]
Gibbard-Satterthwaite の定理は、全会一致で非独裁的な投票規則は、戦略的なものではないと述べる。
我々は投票規則を再検討し、明らかでない操作性という戦略的安全性の弱い概念を考察する。
論文 参考訳（メタデータ） (2021-11-03T02:41:48Z) - Objective Social Choice: Using Auxiliary Information to Improve Voting
Outcomes [16.764511357821043]
多様な情報源からノイズのある情報を組み合わせて、客観的根拠の真理を推測するにはどうすればよいのか?
マルチアームバンディット雑音モデルとカウントベース補助情報セットを提案する。
我々のルールは、補助情報を利用して、素質のベースラインを上回りました。
論文 参考訳（メタデータ） (2020-01-27T21:21:19Z)
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。