信任谁？用于分布式高斯过程回归的选择性学习
机器学习
2024-02-06 v1 人工智能
摘要
本文介绍了一种创新方法，旨在利用高斯过程（GP）回归增强多智能体系统（MASs）中的分布式协作学习。本工作的核心贡献是开发了一种选择性学习算法，即先验感知选择性分布式 GP（Pri-GP），该算法使智能体能够根据邻居的可信度有选择地请求预测。所提出的 Pri-GP 有效提高了个体预测精度，特别是在智能体先验知识错误的情况下。此外，它消除了分布式 GP 中为确定聚合权重而进行计算密集型方差计算的需求。进一步地，我们在 Pri-GP 框架内建立了预测误差界，确保了预测的可靠性，这被视为安全关键型 MAS 应用中的关键属性。
引用
@article{arxiv.2402.03014,
title = {Whom to Trust? Elective Learning for Distributed Gaussian Process Regression},
author = {Zewen Yang and Xiaobing Dai and Akshat Dubey and Sandra Hirche and Georges Hattab},
journal= {arXiv preprint arXiv:2402.03014},
year = {2024}
}
备注
9 pages, conference preprint