关于信念的算术与几何融合用于分布式推断
信号处理
2023-11-02 v2 多智能体系统
社会与信息网络
摘要
我们研究了分布式假设检验问题中信念向量在线性组合规则与对数线性组合规则下的渐近学习率。我们表明，在两种组合策略下，智能体均能以指数速度学习真实状态，且对数线性融合下的速率更快。我们依据网络连通性与信息多样性考察了两种速率之间的差距。我们还针对涉及联邦架构与可交换网络的特例给出了闭式表达式。
引用
@article{arxiv.2204.13741,
title = {On the Arithmetic and Geometric Fusion of Beliefs for Distributed Inference},
author = {Mert Kayaalp and Yunus Inan and Emre Telatar and Ali H. Sayed},
journal= {arXiv preprint arXiv:2204.13741},
year = {2023}
}
备注
Accepted for publication in IEEE Transactions on Automatic Control