时变有向图上非贝叶斯社会学习中自我置信的渐增性研究
最优化与控制
2018-12-27 v1 多智能体系统
社会与信息网络
摘要
我们研究对数线性非贝叶斯社会学习更新规则的收敛性，针对一组共同寻求识别能最佳描述联合观测序列参数的智能体。与近期文献相反，我们关注智能体对其邻居赋予衰减权重、且网络并非在每一时刻连通而是在某些有限时间间隔内连通的情形。我们给出了智能体降低权重的速率仍保证社会学习成立的充要条件。
引用
@article{arxiv.1812.09819,
title = {On Increasing Self-Confidence in Non-Bayesian Social Learning over Time-Varying Directed Graphs},
author = {César A. Uribe and Ali Jadbabaie},
journal= {arXiv preprint arXiv:1812.09819},
year = {2018}
}