序贯朴素学习
机器学习
2021-01-11 v1 计算机科学与博弈论
摘要
我们在一个具有二元行动与二元状态的模型中，分析了基于聚合统计的有界理性更新。智能体在观察到先前行动的的无序集合后依次采取不可逆行动。每个智能体首先基于聚合统计量形成其先验，然后依据贝叶斯规则将自身信号与先验结合，最后应用一个决策规则将每种信念映射至（混合）行动。若先验依据离散化 DeGroot 规则形成，则当且仅当决策规则满足概率匹配时，在任何信息性信息结构下行动均收敛于状态（依概率），即渐近学习。该结果推广至非指定信息设定：其中各智能体的信息结构不同且智能体仅知晓生成自身信号的信息结构。主要结果亦扩展至 个状态与 个行动的情形。
引用
@article{arxiv.2101.02897,
title = {Sequential Naive Learning},
author = {Itai Arieli and Yakov Babichenko and Manuel Mueller-Frank},
journal= {arXiv preprint arXiv:2101.02897},
year = {2021}
}