論文の概要: A Survey of Online Auction Mechanism Design Using Deep Learning Approaches

• arxiv url: http://arxiv.org/abs/2110.06880v1
• Date: Mon, 11 Oct 2021 17:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-14 15:48:42.782698
• Title: A Survey of Online Auction Mechanism Design Using Deep Learning Approaches
• Title（参考訳）: 深層学習を用いたオンラインオークション機構設計に関する調査研究
• Authors: Zhanhao Zhang
• Abstract要約: 本稿では,オークション機構の設計において採用される一般的なディープラーニング基盤について要約する。 我々はまた、大規模でダイナミックな産業環境における制約や懸念にどのように対処しているかについても論じた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online auction has been very widespread in the recent years. Platform administrators are working hard to refine their auction mechanisms that will generate high profits while maintaining a fair resource allocation. With the advancement of computing technology and the bottleneck in theoretical frameworks, researchers are shifting gears towards online auction designs using deep learning approaches. In this article, we summarized some common deep learning infrastructures adopted in auction mechanism designs and showed how these architectures are evolving. We also discussed how researchers are tackling with the constraints and concerns in the large and dynamic industrial settings. Finally, we pointed out several currently unresolved issues for future directions.
• Abstract（参考訳）: 近年、オンラインオークションが盛んに行われている。 プラットフォーム管理者は、公正なリソース割り当てを維持しながら高い利益を生み出すオークションメカニズムの洗練に懸命に取り組んでいる。 コンピューティング技術の進歩と理論フレームワークのボトルネックにより、研究者たちはディープラーニングのアプローチを使ってオンラインオークションのデザインにギアをシフトしている。 本稿では,オークション機構の設計に採用されている一般的なディープラーニングインフラストラクチャについて要約し,これらのアーキテクチャがどのように進化しているかを示した。 また,大規模かつダイナミックな産業環境において,研究者がいかに制約や懸念に取り組むかについても論じた。 最後に,現在解決されていない問題のいくつかを指摘した。

関連論文リスト

• Designing Explainable Predictive Machine Learning Artifacts: Methodology and Practical Demonstration [0.0]
  さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。 我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。 本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
  論文  参考訳（メタデータ） (2023-06-20T15:11:26Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• A Time Series Approach to Explainability for Neural Nets with Applications to Risk-Management and Fraud Detection [0.0]
  技術に対する信頼は、予測の背後にある根拠を理解することによって実現される。 横断的なデータの場合、古典的なXAIアプローチはモデルの内部動作に関する貴重な洞察をもたらす可能性がある。 本稿では、データの自然時間順序を保存・活用する深層学習のための新しいXAI手法を提案する。
  論文  参考訳（メタデータ） (2022-12-06T12:04:01Z)
• Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
  配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。 機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
  論文  参考訳（メタデータ） (2022-02-28T06:28:44Z)
• Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement Learning Approach [130.9259586568977]
  本稿では,複数ラウンドの対話を通して動的ビックレー・クラーク・グローブ(VCG)機構を回復するための新しい学習アルゴリズムを提案する。 当社のアプローチの重要な貢献は、報酬のないオンライン強化学習(RL)を取り入れて、リッチな政策分野の探索を支援することである。
  論文  参考訳（メタデータ） (2022-02-25T16:17:23Z)
• Learning Revenue-Maximizing Auctions With Differentiable Matching [50.62088223117716]
  サンプル評価から,インセンティブに適合し,収益を最大化するオークションを大まかに学習する新しいアーキテクチャを提案する。 我々のアーキテクチャはシンクホーンアルゴリズムを用いて、ネットワークが防御的な収益最大化メカニズムを学習できるように、差別化可能な二部マッチングを実行する。
  論文  参考訳（メタデータ） (2021-06-15T04:37:57Z)
• mt5b3: A Framework for Building AutonomousTraders [0.0]
  金融分野では、畳み込みニューラルネットワークや深層強化学習などの最近のアプローチを含む多くのAI技術がテストされています。 自律的トレーダのモデル化の基本的な側面と、金融の世界である複雑な環境について述べる。 mt5b3は、新しい自律トレーダーの開発にも貢献できると考えています。
  論文  参考訳（メタデータ） (2021-01-20T15:01:02Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)
• Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems [108.81683598693539]
  オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。 我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
  論文  参考訳（メタデータ） (2020-05-04T17:00:15Z)
• Applications of deep learning in stock market prediction: recent progress [5.780772209241294]
  この調査は、株式市場予測のためのディープラーニングモデルに関する最近の研究の最新のレビューを提供する。 私たちは、異なるデータソース、さまざまなニューラルネットワーク構造、一般的なメトリクスを分類するだけでなく、実装と評価も分類します。 私たちのゴールは、興味のある研究者が最新の進歩と同期するのを助けると同時に、以前の研究をベースラインとして簡単に再現できるようにすることです。
  論文  参考訳（メタデータ） (2020-02-29T03:37:34Z)

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。