Fugu-MT 論文翻訳(概要): Fair Division of Multi-layered Cakes

論文の概要: Fair Division of Multi-layered Cakes

arxiv url: http://arxiv.org/abs/2208.00726v2
Date: Mon, 18 Mar 2024 09:51:27 GMT
ステータス: 処理完了
システム内更新日: 2024-03-21 02:00:54.365106
Title: Fair Division of Multi-layered Cakes
Title（参考訳）: 多層ケークのフェアディビジョン
Authors: Mohammad Azharuddin Sanpui,
Abstract要約: まず,一対のナイフという多層ケーキに新しい計算モデルを導入する。新しい計算モデルを用いて,2つのエージェントと2つのレイヤに対して,正確なマルチアロケーションが存在することを示す。 3層ケーキ上に3個以上のエージェントを配置し, 有効かつ連続的な比例多重配置の手順を実証した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider multi-layered cake cutting in order to fairly allocate numerous divisible resources (layers of cake) among a group of agents under two constraints: contiguity and feasibility. We first introduce a new computational model in a multi-layered cake named ``a pair of knives''. Then, we show the existence of an exact multi-allocation for two agents and two layers using the new computational model. We demonstrate the computation procedure of a feasible and contiguous proportional multi-allocation over a three-layered cake for more than three agents. Finally, we develop a technique for computing proportional allocations for any number $n\geq 2^a3$ of agents and $2^a3$ layers, where $a$ is any positive integer.
Abstract（参考訳）: 複数層ケーキの切断について検討し, 連続性と実現可能性という2つの制約の下で, エージェント群に多数の分割可能な資源(ケーキ層)を適切に割り当てる方法について検討した。まず,'a pair of knives' と呼ばれる多層ケーキに新しい計算モデルを導入する。そして,新しい計算モデルを用いて,2つのエージェントと2つのレイヤに対して,正確なマルチアロケーションが存在することを示す。本研究では,3個以上のエージェントに対して,3層ケーキ上に有意かつ連続的な比例多重配置の計算手順を実証する。最後に,任意の数$n\geq 2^a3$のエージェントと2^a3$のレイヤに対して,$a$が任意の正の整数であるような比例割当を計算する手法を開発した。

関連論文リスト

Skipping Computations in Multimodal LLMs [63.29737699997859]
本研究では,マルチモーダル大言語モデル(MLLM)における推論時の冗長性について検討する。ブロック全体,FFN,自己保持層をスキップするなど,計算をスキップするさまざまな手法を提案する。本研究は,推定時に大量の計算を回避できることを実証した。
論文参考訳（メタデータ） (2024-10-12T09:21:45Z)
On the Resilience of Multi-Agent Systems with Malicious Agents [58.79302663733702]
本稿では,悪意のあるエージェント下でのマルチエージェントシステムのレジリエンスについて検討する。我々は、任意のエージェントを悪意のあるエージェントに変換する2つの方法、AutoTransformとAutoInjectを考案した。各エージェントが他のエージェントの出力に挑戦するためのメカニズムを導入するか、あるいはメッセージのレビューと修正を行う追加のエージェントを導入することで、システムのレジリエンスを高めることができることを示す。
論文参考訳（メタデータ） (2024-08-02T03:25:20Z)
Carrying over algorithm in transformers [0.0]
オーバーアルゴリズムは2つのタスクから構成される:同じ位置に桁を追加し、必要に応じて1つ以上を運ぶ。本研究では、トランスモデルがこのアルゴリズムをどのように実装し、上記の2つのタスクがネットワークの異なる部分にどのように割り当てられるかを検討する。
論文参考訳（メタデータ） (2024-01-15T22:36:11Z)
Scalable Multi-Agent Reinforcement Learning with General Utilities [30.960413388976438]
汎用性を備えた拡張型マルチエージェント強化学習(MARL)について検討する。目的は、チーム内の各エージェントの完全な可観測性なしに、チームのローカルユーティリティ関数の平均を最大化する、ローカライズされたポリシーを見つけることである。これは、完全な可観測性を必要としない汎用性を持つマルチエージェントRLに関する文献の最初の結果である。
論文参考訳（メタデータ） (2023-02-15T20:47:43Z)
MALib: A Parallel Framework for Population-based Multi-agent Reinforcement Learning [61.28547338576706]
人口ベースマルチエージェント強化学習(PB-MARL)は、強化学習(RL)アルゴリズムでネストした一連の手法を指す。 PB-MARLのためのスケーラブルで効率的な計算フレームワークMALibを提案する。
論文参考訳（メタデータ） (2021-06-05T03:27:08Z)
Sliced Multi-Marginal Optimal Transport [21.82052188474956]
複数の測度間の相違を定義できる最適輸送の一般化であるマルチマルジナル最適輸送について検討する。分割されたマルチマルジナル不一致の計算は、多くの確率測度に対して非常にスケーラブルであり、最大107ドルのサンプルをサポートすることを示す。
論文参考訳（メタデータ） (2021-02-14T09:58:47Z)
Thompson sampling for linear quadratic mean-field teams [3.957353452014781]
エージェント間で動的およびコストが結合される未知のマルチエージェント線形二次系(LQ)の最適制御について検討する。我々は,システムモデルの構造を活かした新しいトンプソンサンプリング学習アルゴリズムを提案し,時間軸に異なる種類のエージェントを持つシステムに対してベイズが提案したアルゴリズムを,エージェントの総数に関係なく$T$ is $tildemathcalO big( |M|1.5 sqrtT big)$で後悔していることを示す。
論文参考訳（メタデータ） (2020-11-09T19:07:32Z)
From Two-Class Linear Discriminant Analysis to Interpretable Multilayer Perceptron Design [31.446335485087758]
2クラス線形判別式解析(LDA)における閉形式解の存在多層パーセプトロン(MLP)を2クラスLDAシステムの一般化として解釈する。フィードフォワードのワンパス方式でネットワークアーキテクチャと全フィルタ重みを指定できる自動設計を提案する。
論文参考訳（メタデータ） (2020-09-09T17:43:39Z)
On the Theory of Transfer Learning: The Importance of Task Diversity [114.656572506859]
一般的な関数クラス$mathcalF circ MathcalH$において、$f_j circ h$という形の関数によってパラメータ化される$t+1$タスクを考える。多様なトレーニングタスクに対して、最初の$t$のトレーニングタスク間で共有表現を学ぶのに必要なサンプルの複雑さが、$C(mathcalH) + t C(mathcalF)$であることを示す。
論文参考訳（メタデータ） (2020-06-20T20:33:59Z)
FANOK: Knockoffs in Linear Time [73.5154025911318]
本稿では,ガウスモデル-Xノックオフを効率的に実装し,大規模特徴選択問題における誤発見率を制御するアルゴリズムについて述べる。当社のメソッドは、最大50,000ドルという問題でテストしています。
論文参考訳（メタデータ） (2020-06-15T21:55:34Z)
Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。