論文の概要: Persuasion by Dimension Reduction

• arxiv url: http://arxiv.org/abs/2110.08884v1
• Date: Sun, 17 Oct 2021 18:17:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 15:30:40.048532
• Title: Persuasion by Dimension Reduction
• Title（参考訳）: 次元還元による説得
• Authors: Semyon Malamud and Andreas Schrimpf
• Abstract要約: 状態ベクトルを低次元オブジェクトに投影することにより、送信側が(非線形)次元の縮小を行うのが常に最適であることを示す。 この多様体の幾何学的性質を特徴づけ、それらを送信者の好みにリンクする。
• 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: How should an agent (the sender) observing multi-dimensional data (the state vector) persuade another agent to take the desired action? We show that it is always optimal for the sender to perform a (non-linear) dimension reduction by projecting the state vector onto a lower-dimensional object that we call the "optimal information manifold." We characterize geometric properties of this manifold and link them to the sender's preferences. Optimal policy splits information into "good" and "bad" components. When the sender's marginal utility is linear, revealing the full magnitude of good information is always optimal. In contrast, with concave marginal utility, optimal information design conceals the extreme realizations of good information and only reveals its direction (sign). We illustrate these effects by explicitly solving several multi-dimensional Bayesian persuasion problems.
• Abstract（参考訳）: エージェント(送信者)が多次元データ(状態ベクトル)を観察して、他のエージェントに望ましい行動を取るように説得するにはどうすればよいのか? 状態ベクトルを「最適情報多様体」と呼ぶ低次元オブジェクトに投影することにより、送信者が(非線形)次元の縮小を行うのが常に最適であることを示す。 この多様体の幾何学的性質を特徴付け、送信者の選好と結びつける。 最適ポリシーは情報を「良い」コンポーネントと「悪い」コンポーネントに分割する。 送信者の限界効用が線形であるとき、良い情報の完全な大きさを明らかにすることは常に最適である。 対照的に、凹凸の限界効用では、最適情報設計は良い情報の極端な実現を隠蔽し、その方向のみを明らかにする(図)。 これらの効果は、複数の多次元ベイズ的説得問題を明示的に解くことで説明できる。

関連論文リスト

• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• ShaRP: Shape-Regularized Multidimensional Projections [71.30697308446064]
  本稿では,生成した散布板の視覚的シグネチャをユーザが明示的に制御できる新しいプロジェクション技術,ShaRPを提案する。 ShaRPは次元とデータセットサイズによく対応し、任意の定量的データセットを汎用的に処理する。
  論文  参考訳（メタデータ） (2023-06-01T11:16:58Z)
• Data-Driven Offline Decision-Making via Invariant Representation Learning [97.49309949598505]
  オフラインのデータ駆動意思決定は、アクティブなインタラクションなしで最適化された決定を合成する。 オフラインデータからトレーニングされたモデルへの入力に関して最適化する場合、誤って良いように見えるアウト・オブ・ディストリビューション(OOD)インプットを生成するのは簡単です。 本稿では、オフラインデータ駆動意思決定をドメイン適応として定式化し、最適化された決定値の正確な予測を行うことを目標とする。
  論文  参考訳（メタデータ） (2022-11-21T11:01:37Z)
• InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
  InfoOTは最適な輸送の情報理論の拡張である。 幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。 この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
  論文  参考訳（メタデータ） (2022-10-06T18:55:41Z)
• A sub-sampling algorithm preventing outliers [0.0]
  我々は、高レバレッジポイントを使わずに、ほぼD-最適部分集合を選択できる教師なし交換手順を提案する。 また、この交換手順の教師付きバージョンを提供し、高いレバレッジポイントに加えて、応答の外れ値も避ける。 教師なしの選択手順と教師なしの選択手順は、正確な予測を得ることを目的として、I-最適性に一般化される。
  論文  参考訳（メタデータ） (2022-08-12T11:03:57Z)
• Bayesian Non-stationary Linear Bandits for Large-Scale Recommender Systems [6.009759445555003]
  この問題に対処するために,線形コンテキスト多重武装バンディットフレームワークを構築した。 本研究では,高次元特徴ベクトルを用いた線形帯域問題に対する意思決定ポリシーを開発する。 提案するリコメンデータシステムは,実行環境を最小化しながら,ユーザの項目嗜好をオンラインで学習する。
  論文  参考訳（メタデータ） (2022-02-07T13:51:19Z)
• Incentive Compatible Pareto Alignment for Multi-Source Large Graphs [28.46226472088586]
  我々は,マルチソース大規模データを用いた効果的なエンティティマッチングモデルを学習することに注力する。 課題は,1)情報共有源間の大規模エンティティの整合化,2)共同学習型マルチソースデータからの負の転送を緩和する方法である。
  論文  参考訳（メタデータ） (2021-12-06T05:36:14Z)
• Recommending with Recommendations [1.1602089225841632]
  レコメンデーションシステムは、しばしば予測を行う際に敏感なユーザー情報を引き出す。 既存のサービスからのレコメンデーションに基づいて、サービスのレコメンデーションエンジンを基盤にすることで、この障害に対処する方法を示します。 我々の設定では、ユーザの(潜在的に敏感な)情報は高次元の潜在空間に属します。
  論文  参考訳（メタデータ） (2021-12-02T04:30:15Z)
• Hard-label Manifolds: Unexpected Advantages of Query Efficiency for Finding On-manifold Adversarial Examples [67.23103682776049]
  画像分類モデルに対する最近のゼロオーダーのハードラベル攻撃は、ファーストオーダーのグラデーションレベルの代替品に匹敵する性能を示している。 最近、グラデーションレベルの設定では、通常の敵対的な例がデータ多様体から離れ、オンマニホールドの例が実際には一般化エラーであることが示されている。 雑音の多い多様体距離オラクルに基づく情報理論論的議論を提案し、敵の勾配推定を通じて多様体情報を漏洩させる。
  論文  参考訳（メタデータ） (2021-03-04T20:53:06Z)
• On the minmax regret for statistical manifolds: the role of curvature [68.8204255655161]
  2つの部分のコードと最小記述長は、最高のモデルを選別するための手順を提供するのに成功している。 我々は、フィッシャー情報計量のスカラー曲率が支配的な役割を果たす複雑さによって与えられる標準表現よりも、よりシャープな表現を導出する。
  論文  参考訳（メタデータ） (2020-07-06T17:28:19Z)

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。