論文の概要: Efficient Recruitment Strategy for Collaborative Mobile Crowd Sensing Based on GCN Trustworthiness Prediction

• arxiv url: http://arxiv.org/abs/2306.04366v1
• Date: Wed, 7 Jun 2023 11:59:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 14:39:35.885051
• Title: Efficient Recruitment Strategy for Collaborative Mobile Crowd Sensing Based on GCN Trustworthiness Prediction
• Title（参考訳）: gcn信頼度予測に基づく協調移動型群衆センシングのための効率的な採用戦略
• Authors: Zhongwei Zhan, Yingjie Wang, Peiyong Duan, Akshita Maradapu Vera Venkata Sai, Zhaowei Liu, Chaocan Xiang, Xiangrong Tong, Weilong Wang, Zhipeng Cai
• Abstract要約: CMCS(Collaborative Mobile Crowd Sensing)は、タスクセンシングにおけるチームワークを促進することで、データ品質とカバレッジを向上させる。 既存の戦略は主に労働者の性格に重点を置いており、労働者間の非対称な信頼関係を無視している。 本稿ではまず,Mini-Batch K-Meansクラスタリングアルゴリズムを用いてエッジサーバをデプロイし,効率的な分散ワーカー採用を実現する。
• 参考スコア（独自算出の注目度）: 9.323716248141642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative Mobile Crowd Sensing (CMCS) enhances data quality and coverage by promoting teamwork in task sensing, with worker recruitment representing a complex multi-objective optimization problem. Existing strategies mainly focus on the characteristics of workers themselves, neglecting the asymmetric trust relationships between them, which affects the rationality of task utility evaluation. To address this, this paper first employs the Mini-Batch K-Means clustering algorithm and deploys edge servers to enable efficient distributed worker recruitment. Historical data and task requirements are utilized to obtain workers' ability types and distances. A trust-directed graph in the worker's social network is input into the Graph Convolutional Network (GCN) framework for training, capturing asymmetric trustworthiness between worker pairs. Privacy leakage is prevented in CMCS scenarios through high trust values between workers. Ultimately, an undirected recruitment graph is constructed using workers' abilities, trust values, and distance weights, transforming the worker recruitment problem into a Maximum Weight Average Subgraph Problem (MWASP). A Tabu Search Recruitment (TSR) algorithm is proposed to rationally recruit a balanced multi-objective optimal task utility worker set for each task. Extensive simulation experiments on four real-world datasets demonstrate the effectiveness of the proposed strategy, outperforming other strategies.
• Abstract（参考訳）: CMCS(Collaborative Mobile Crowd Sensing)は、タスクセンシングにおけるチームワークを促進することで、データ品質とカバレッジを向上させる。 既存の戦略は、主に作業者自身の特性に注目し、それらの間の非対称な信頼関係を無視し、タスクユーティリティ評価の合理性に影響を与える。 そこで本稿では,まずミニバッチk-meansクラスタリングアルゴリズムを採用し,エッジサーバをデプロイし,効率的な分散ワーカー採用を実現する。 履歴データとタスク要件を利用して、労働者の能力タイプと距離を取得する。 作業者のソーシャルネットワーク内の信頼指向グラフを、トレーニング用のgraph convolutional network(gcn)フレームワークに入力し、作業者ペア間の非対称信頼性をキャプチャする。 CMCSのシナリオでは、労働者間の高い信頼度によってプライバシリークが防止される。 最終的に、労働者の能力、信頼値、および距離重みを用いて、非方向性採用グラフを構築し、労働者採用問題を最大重量平均グラフ問題(MWASP)に変換する。 Tabu Search Recruitment (TSR) アルゴリズムは,タスク毎のバランスの取れた多目的最適タスクユーティリティワーカーを合理的に採用するために提案される。 4つの実世界のデータセットに対する広範囲なシミュレーション実験は、提案された戦略の有効性を示し、他の戦略よりも優れている。

関連論文リスト

• Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
  分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。 動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:21:11Z)
• A Reinforcement Learning-assisted Genetic Programming Algorithm for Team Formation Problem Considering Person-Job Matching [70.28786574064694]
  解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。 効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
  論文  参考訳（メタデータ） (2023-04-08T14:32:12Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• GENIUS: A Novel Solution for Subteam Replacement with Clustering-based Graph Neural Network [34.510076775330795]
  サブチーム置換は、メンバーの非利用可能なサブセットとして最も機能できる人々の最適な候補セットを見つけるために定義される。 本稿では,新しいクラスタリングベースのグラフニューラルネットワーク(GNN)フレームワークであるGENIUSを提案する。
  論文  参考訳（メタデータ） (2022-11-08T09:02:59Z)
• Semantic-Aware Collaborative Deep Reinforcement Learning Over Wireless Cellular Networks [82.02891936174221]
  複数のエージェントが無線ネットワーク上で協調できるコラボレーティブディープ強化学習(CDRL)アルゴリズムは有望なアプローチである。 本稿では,リソース制約のある無線セルネットワーク上で,意味的にリンクされたDRLタスクを持つ未学習エージェントのグループを効率的に協調させる,新しい意味認識型CDRL手法を提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:24:47Z)
• Collaborative Pure Exploration in Kernel Bandit [29.158502306774523]
  カーネルバンド問題(CoPE-KB)における協調的純粋探索の定式化 限られたコミュニケーションと一般的な報酬関数の下で、マルチエージェントのマルチタスク決定のための新しいモデルを提供する。 我々のアルゴリズムは、計算と通信の効率を同時に達成するために、革新的で効率的なカーネル化推定器を備えている。
  論文  参考訳（メタデータ） (2021-10-29T13:39:14Z)
• Cooperative Multi-Agent Actor-Critic for Privacy-Preserving Load Scheduling in a Residential Microgrid [71.17179010567123]
  本稿では,分散型アクターを分散批評家に教育する,プライバシ保護型マルチエージェントアクター批判フレームワークを提案する。 提案手法は,家庭のプライバシを保護しつつ,暗黙的にマルチエージェントの信用代入メカニズムを学習する。
  論文  参考訳（メタデータ） (2021-10-06T14:05:26Z)
• Low Complexity Recruitment for Collaborative Mobile Crowdsourcing Using Graph Neural Networks [2.798697306330988]
  コラボレーティブ・モバイル・クラウドソーシング(CMCS、Collaborative Mobile crowdsourcing)は、例えば地方自治体や個人が、インターネットに接続された人々の群衆から労働者のチームを雇うことを可能にする。 本稿では,2つのCMCS採用戦略について検討し,課題依頼者が社会的に結びついた,熟練した労働者のチームを構成できるようにする。
  論文  参考訳（メタデータ） (2021-06-01T18:24:02Z)
• Dif-MAML: Decentralized Multi-Agent Meta-Learning [54.39661018886268]
  我々は,MAML や Dif-MAML と呼ばれる協調型マルチエージェントメタ学習アルゴリズムを提案する。 提案手法により, エージェントの集合が線形速度で合意に達し, 集約MAMLの定常点に収束できることを示す。 シミュレーションの結果は従来の非協調的な環境と比較して理論的な結果と優れた性能を示している。
  論文  参考訳（メタデータ） (2020-10-06T16:51:09Z)
• A Stochastic Team Formation Approach for Collaborative Mobile Crowdsourcing [1.4209473797379666]
  我々は,SN隣人に関する労働者の知識を活用するアルゴリズムを開発し,特定のリーダーに適切なチームを募集するよう依頼する。 提案アルゴリズムは最適な停止戦略から着想を得て,オッズアルゴリズムを用いて出力を算出する。 実験結果から, ベンチマーク指数最適解と比較して, 提案手法は時間を短縮し, 妥当な性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-04-28T22:44:37Z)

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。