論文の概要: Multi-Agent Dynamic Pricing in a Blockchain Protocol Using Gaussian
Bandits
- arxiv url: http://arxiv.org/abs/2212.07942v1
- Date: Tue, 13 Dec 2022 18:41:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 18:02:10.139339
- Title: Multi-Agent Dynamic Pricing in a Blockchain Protocol Using Gaussian
Bandits
- Title(参考訳): gaussian banditsを用いたブロックチェーンプロトコルにおけるマルチエージェント動的価格設定
- Authors: Alexis Asseman, Tomasz Kornuta, Aniruth Patel, Matt Deible, Sam Green
- Abstract要約: 本稿では,消費者予算発見によるインデクサーの収益に対する帯域幅に基づく価格設定アルゴリズムを提案する。
本稿では,複数のエージェントが同時に使用する動的アルゴリズムの設計と検討について述べる。
シミュレーションフレームワークとツールの両方をオープンソースで公開しています。
- 参考スコア(独自算出の注目度): 1.6799377888527687
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Graph Protocol indexes historical blockchain transaction data and makes
it available for querying. As the protocol is decentralized, there are many
independent Indexers that index and compete with each other for serving queries
to the Consumers. One dimension along which Indexers compete is pricing. In
this paper, we propose a bandit-based algorithm for maximization of Indexers'
revenue via Consumer budget discovery. We present the design and the
considerations we had to make for a dynamic pricing algorithm being used by
multiple agents simultaneously. We discuss the results achieved by our dynamic
pricing bandits both in simulation and deployed into production on one of the
Indexers operating on Ethereum. We have open-sourced both the simulation
framework and tools we created, which other Indexers have since started to
adapt into their own workflows.
- Abstract(参考訳): Graph Protocolは、過去のブロックチェーントランザクションデータをインデックスし、クエリに使用可能にする。
プロトコルが分散化されているため、コンシューマにクエリを提供するために、インデックスと競合する独立したインデックスが多数存在する。
Indexersが競合する1つの次元は価格だ。
本稿では,消費者予算発見によるインデクサーの収益を最大化するためのバンディットに基づくアルゴリズムを提案する。
本稿では,複数のエージェントが同時に使用する動的価格設定アルゴリズムの設計と検討を行う。
我々は、シミュレーションとethereumで動作するインデクサの1つにデプロイの両方で、動的価格帯によって達成された結果について論じる。
私たちは、作成したシミュレーションフレームワークとツールをオープンソースとして公開しています。
関連論文リスト
- Discrete Graph Auto-Encoder [52.50288418639075]
離散グラフオートエンコーダ(DGAE)という新しいフレームワークを導入する。
まず、置換同変オートエンコーダを用いてグラフを離散潜在ノード表現の集合に変換する。
2番目のステップでは、離散潜在表現の集合をソートし、特別に設計された自己回帰モデルを用いてそれらの分布を学習する。
論文 参考訳(メタデータ) (2023-06-13T12:40:39Z) - CITADEL: Conditional Token Interaction via Dynamic Lexical Routing for
Efficient and Effective Multi-Vector Retrieval [72.90850213615427]
マルチベクター検索法はスパース(例えばBM25)と高密度(例えばDPR)レトリバーの利点を組み合わせたものである。
これらの手法は桁違いに遅く、単ベクトルの手法に比べてインデックスを格納するのにはるかに多くのスペースを必要とする。
動的語彙ルーティング(CITADEL)による条件付きトークンの相互作用を,効率的かつ効率的なマルチベクタ検索のために提案する。
論文 参考訳(メタデータ) (2022-11-18T18:27:35Z) - Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。
我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
論文 参考訳(メタデータ) (2022-10-14T01:42:05Z) - Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。
ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。
ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
論文 参考訳(メタデータ) (2022-06-01T13:46:25Z) - A Learned Index for Exact Similarity Search in Metric Spaces [25.330353637669386]
LIMSは、学習したインデックスを構築するために、データクラスタリングとピボットベースのデータ変換技術を使用することが提案されている。
機械学習モデルはディスク上の各データレコードの位置を近似するために開発された。
実世界のデータセットと合成データセットに関する大規模な実験は、従来の指標と比較してLIMSの優位性を示している。
論文 参考訳(メタデータ) (2022-04-21T11:24:55Z) - BABD: A Bitcoin Address Behavior Dataset for Address Behavior Pattern
Analysis [36.42552617883664]
私たちは、2019年7月12日から2021年5月26日までにBitcoin取引からなるデータセットを構築しました。
このデータセットには、13種類のBitcoinアドレス、148の機能を提供する5つのカテゴリ、ラベル付きデータ544,462が含まれている。
提案したデータセットは、k-nearest neighborsアルゴリズム、決定木、ランダムフォレスト、多層パーセプトロン、XGBoostといった一般的な機械学習モデルに基づく。
論文 参考訳(メタデータ) (2022-04-10T06:46:51Z) - Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。
時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
論文 参考訳(メタデータ) (2022-01-11T16:15:25Z) - A Robust Blockchain Readiness Index Model [15.29311165296171]
Readiness Index(BRI)は、ブロックチェーンと暗号通貨を採用する国の成熟度/可読度を測定する数値指標を提供する。
本稿では,指標の欠落情報の存在下においても,指標を国レベルで導出する能力を有するBRIをさらに拡張する。
論文 参考訳(メタデータ) (2021-01-20T16:14:33Z) - Analysis of Models for Decentralized and Collaborative AI on Blockchain [0.0]
本稿では,自己評価のインセンティブメカニズムを用いる際のベストプラクティスを提案するために,いくつかのモデルと構成を用いて評価する。
モデルがパブリックブロックチェーン上でスマートコントラクトでホストされている場合、データセット毎にいくつかの要因を比較します。
論文 参考訳(メタデータ) (2020-09-14T21:38:55Z) - Detecting Malicious Accounts in Permissionless Blockchains using
Temporal Graph Properties [4.506782035297339]
ノードとしてアカウントをモデル化し、トランザクションを指向するグラフのエッジとして -- ブロックチェーンのための時間的特性。
これに触発されて、すでに使用されているいくつかのグラフ特性の上にバーストや魅力のような時間的特徴を導入する。
我々はさまざまな機械学習(ML)アルゴリズムを訓練し、どのアカウントが悪意があるかを検出するのに最適なアルゴリズムを識別する。
論文 参考訳(メタデータ) (2020-07-10T05:15:26Z) - Heterogeneous Graph Neural Networks for Malicious Account Detection [64.0046412312209]
GEMは、悪意のあるアカウントを検出するための、最初の異種グラフニューラルネットワークである。
我々は、デバイス集約とアクティビティ集約という2つの基本的な弱点に基づいて、異種アカウントデバイスグラフから差別的埋め込みを学習する。
実験により、我々のアプローチは、時間とともに競合する手法と比較して、常に有望な結果が得られることが示された。
論文 参考訳(メタデータ) (2020-02-27T18:26:44Z)
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。