抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
純粋行動データからの学習グラフィカルゲームの試料の複雑性を解析した。選手の関節動作とその利得を観察できるだけであると仮定した。真のゲームの純粋戦略Nash均衡(PSNE)のセットの正確な回収のための試料の必要十分数を解析した。著者らの解析は,nノードを持つ有向グラフとノード当たり最もK両親に重点をおいた。スパースグラフはnに関してK∈O(1)に対応し,密グラフは,k∈O(n)に対応する。VC次元議論を用いて,著者らは,サンプルの数が密グラフのためのスパースグラフまたはO(n~2logn)のためのO(kN log~2N)よりも大きい場合,最尤推定は高い確率でPSNEを回復する正確であることを示した。情報理論的議論を用いて,著者らは,サンプルの数が密グラフのためのスパースグラフまたはQ(n~2logn)のためのQ(kn log~2N)よりも小さいならば,任意の考えられる方法は,任意の確率でPSNEを回復できないことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】