論文の概要: Note: Evolutionary Game Theory Focus Informational Health: The Cocktail
Party Effect Through Werewolfgame under Incomplete Information and ESS Search
Method Using Expected Gains of Repeated Dilemmas
- arxiv url: http://arxiv.org/abs/2402.18598v1
- Date: Tue, 27 Feb 2024 14:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 17:12:15.057240
- Title: Note: Evolutionary Game Theory Focus Informational Health: The Cocktail
Party Effect Through Werewolfgame under Incomplete Information and ESS Search
Method Using Expected Gains of Repeated Dilemmas
- Title（参考訳）: 注:進化ゲーム理論 焦点情報健康:不完全な情報と繰り返しジレンマの期待値を用いたess探索法に基づく人狼ゲームによるカクテルパーティ効果
- Authors: Yasuko Kawahata
- Abstract要約: 非完全情報ゲームにおけるカクテルパーティー効果による情報破壊の実態を考察する。
疑似ニュースの汚染リスクがランダムに割り当てられると仮定して,各戦略選択の利得と進化安定戦略(ESS)の形成過程を数学的にモデル化し,解析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We explore the state of information disruption caused by the cocktail party
effect within the framework of non-perfect information games and evolutive
games with multiple werewolves. In particular, we mathematically model and
analyze the effects on the gain of each strategy choice and the formation
process of evolutionary stable strategies (ESS) under the assumption that the
pollution risk of fake news is randomly assigned in the context of repeated
dilemmas. We will develop the computational process in detail, starting with
the construction of the gain matrix, modeling the evolutionary dynamics using
the replicator equation, and identifying the ESS. In addition, numerical
simulations will be performed to observe system behavior under different
initial conditions and parameter settings to better understand the impact of
the spread of fake news on strategy evolution. This research will provide
theoretical insights into the complex issues of contemporary society regarding
the authenticity of information and expand the range of applications of
evolutionary game theory.
- Abstract（参考訳）: 我々は,カクテルパーティー効果による情報破壊の実態を,不完全な情報ゲームや,複数のオオカミを持つエボリューティブゲームという枠組みの中で検討する。
特に,偽ニュースの公害リスクが反復的ジレンマの文脈でランダムに割当てられるという仮定の下で,各戦略選択の利得と進化安定戦略(ess)の形成過程に及ぼす効果を数学的にモデル化し分析する。
我々は、ゲイン行列の構築から始まって、レプリケータ方程式を用いて進化のダイナミクスをモデル化し、essを同定し、計算過程を詳細に展開する。
さらに、異なる初期条件とパラメータ設定の下でシステムの挙動を観察するために数値シミュレーションを行い、偽ニュースの拡散が戦略進化に与える影響をよりよく理解する。
この研究は、情報の真正性に関する現代社会の複雑な問題に対する理論的洞察を提供し、進化ゲーム理論の応用範囲を広げる。
関連論文リスト
- Evolution with Opponent-Learning Awareness [10.689403855269704]
学習エージェントの多種多様な集団が通常のゲームでどのように進化するかを示す。
進化シミュレーションに適した対向学習意識の高速で並列化可能な実装を導出する。
我々は,Hawk-Dove,Stag-Hunt,Rock-Paper-Scissorsの古典ゲームにおいて,20万エージェントのシミュレーションでアプローチを実証した。
論文 参考訳（メタデータ） (2024-10-22T22:49:04Z) - Evolutionary Reinforcement Learning: A Systematic Review and Future
Directions [18.631418642768132]
進化強化学習(EvoRL)は、複雑な問題解決における強化学習と進化アルゴリズム(EA)の限界に対する解決策である。
EvoRLはEAと強化学習を統合し、知的エージェントを訓練するための有望な道を提供する。
この体系的なレビューは、EvoRLの現状に関する洞察を提供し、人工知能の進化を続ける風景において、その能力を向上させるためのガイドを提供する。
論文 参考訳（メタデータ） (2024-02-20T02:07:57Z) - Evolutionary game theory: the mathematics of evolution and collective
behaviours [1.4685355149711299]
進化ゲーム理論の手法を使って最近の研究の方向性を要約する。
これは、ランダムな進化ゲームにおける(安定な)平衡数の統計的性質の分析を含む。
また、安全行動の進化のモデル化や、技術開発レースにおける高度な人工知能技術によるリスクも含んでいる。
論文 参考訳（メタデータ） (2023-11-24T13:42:55Z) - Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2023-09-30T20:59:42Z) - Variance-Reduced Gradient Estimation via Noise-Reuse in Online Evolution
Strategies [50.10277748405355]
Noise-Reuse Evolution Strategies (NRES) は、非バイアスのオンライン進化戦略の一般的なクラスである。
NRESの結果は既存のAD法やES法よりも早く,様々なアプリケーションにまたがるウォールクロック時間とステップ数で収束することを示す。
論文 参考訳（メタデータ） (2023-04-21T17:53:05Z) - eVAE: Evolutionary Variational Autoencoder [40.29009643819948]
変動情報ボトルネック(VIB)理論に基づく進化的変分オートエンコーダ(eVAE)の構築を提案する。
eVAEは変異遺伝的アルゴリズムを、変異突然変異、交叉、進化を含む変異進化演算子とVAEに統合する。
eVAEは、コンペティターよりもコンペティターのリコンストラクションロス、アンタングル、ジェネレーション-推論バランスが向上する。
論文 参考訳（メタデータ） (2023-01-01T23:54:35Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-17T00:26:31Z) - Handling Distribution Shifts on Graphs: An Invariance Perspective [78.31180235269035]
我々は、グラフ上のOOD問題を定式化し、新しい不変学習手法である探索・拡張リスク最小化(EERM)を開発する。
EERMは、複数の仮想環境からのリスクの分散を最大化するために、敵対的に訓練された複数のコンテキストエクスプローラーを利用する。
理論的に有効なOOD解の保証を示すことによって,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-02-05T02:31:01Z) - A Critical Review of Information Bottleneck Theory and its Applications
to Deep Learning [0.0]
ディープニューラルネットワークは、今日の社会のあらゆる側面に影響を与え続ける比類のない改善を見てきました。
情報ボトルネック理論は、ニューラルネットワークの学習ダイナミクスをよりよく理解するための有望なアプローチとして登場した。
本研究の目的は、情報理論のルーツと最近提案された深層学習モデル理解への応用をカバーするib理論の包括的レビューを提供することである。
論文 参考訳（メタデータ） (2021-05-07T14:16:38Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - A Theoretical Framework for Target Propagation [75.52598682467817]
我々は、バックプロパゲーション(BP)の代替として人気があるが、まだ完全には理解されていないターゲット伝搬(TP)を解析する。
提案理論は,TPがガウス・ニュートン最適化と密接に関係していることを示し,BPとは大きく異なる。
我々は,フィードバックウェイトトレーニングを改善する新しいリコンストラクション損失を通じて,この問題に対する第1の解決策を提供する。
論文 参考訳（メタデータ） (2020-06-25T12:07:06Z)
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。