论联邦决策制定中的融合策略
机器学习
2023-05-09 v2 人工智能
多智能体系统
社会与信息网络
信号处理
摘要
我们考虑联邦决策制定中的信息聚合问题，其中一组智能体协作推断潜在的自然状态，而不与中央处理器或彼此共享其私有数据。我们分析了非贝叶斯社会学习策略，其中智能体利用贝叶斯规则将其个体观测融入其观点（即软决策），中央处理器通过算术或几何平均来聚合这些观点。基于我们先前的工作，我们确立了两种池化策略均导致系统的渐近正态性刻画，例如可用于推导错误概率的近似表达式。我们通过仿真验证了理论发现并比较了两种策略。
引用
@article{arxiv.2303.06109,
title = {On the Fusion Strategies for Federated Decision Making},
author = {Mert Kayaalp and Yunus Inan and Visa Koivunen and Emre Telatar and Ali H. Sayed},
journal= {arXiv preprint arXiv:2303.06109},
year = {2023}
}
备注
Accepted to IEEE Statistical Signal Processing (SSP) Workshop 2023