勿信耳听一切：通过舍弃社会信息保留相关信息
多智能体系统
2014-06-05 v1 社会与信息网络
适应与自组织系统
摘要
通过社会贝叶斯学习观察他人所获得的信息整合可能有利于智能体的性能，但也可能引发群体范围内的信息级联，从而在智能体群体中延续错误信念。我们展示了智能体如何通过改变观察他人的概率来影响观察网络，并证明了一种群体范围均衡的存在，在该均衡中社会贝叶斯更新的优势与劣势达到平衡。我们还利用相关信息的正式框架说明，负面信息级联的特征是处理越来越多的非相关信息。
引用
@article{arxiv.1406.1034,
title = {Don't Believe Everything You Hear; Preserving Relevant Information by Discarding Social Information},
author = {Christoph Salge and Daniel Polani},
journal= {arXiv preprint arXiv:1406.1034},
year = {2014}
}
备注
8 pages, 4 figures, accepted for publication in Proceedings of Alife14