噪声社会学习模型中的破缺细致平衡与非平衡动力学
物理与社会
2022-03-02 v2 统计力学
社会与信息网络
理论经济学
摘要
我们提出了具有反馈的连续时间新型 Degroot 型社会学习模型，以研究噪声信息源对社交网络中共识形成的影响。与标准 Degroot 框架不同，噪声信息模型会破坏共识形成。另一方面，噪声观点动力学收敛到包含智能体观点间相关性的平衡分布。有趣的是，这种平衡分布也是一个具有非零概率流环的非平衡稳态（NESS）。因此，噪声信息源在长时间尺度上导致一个 NESS，它编码了学习智能体持续的相关观点动力学。我们的模型在社会学习背景下提供了 NESS 的一个简单实现。还研究了当智能体受到共同噪声影响时观点的同步等其他现象。
引用
@article{arxiv.1906.11481,
title = {Broken Detailed Balance and Non-Equilibrium Dynamics in Noisy Social Learning Models},
author = {Tushar Vaidya and Thiparat Chotibut and Georgios Piliouras},
journal= {arXiv preprint arXiv:1906.11481},
year = {2022}
}
备注
4 figures