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。
ナイーブソーシャル学習のDeG根モデルは,エージェントがスカラー意見だけを伝達すると仮定する。実際には,エージェントは意見だけでなく,そのような意見における信頼性を伝達する。信号情報をナイーブなソーシャル学習シナリオに組み込むことにより,通信のこの側面を捉えるモデルを提案した。提案モデルはBayesとナイーブ学習の両方の側面を捉える。著者らのモデルのエージェントは,Bayesルールを用いてそれらの近傍信念を結合するが,エージェントは,それらの近隣の信念が独立であると仮定する。初期信念に依存して,著者らのモデルにおけるエージェントはコンセンサスに達しないが,エージェントが初期信念に関する穏やかな連続性と有界性仮定の下でコンセンサスに達することを示した。この最終的コンセンサスは,各エージェントの中心性と信号情報性に関して明示的に計算でき,共同効果を正確に理解できる。この理論を新技術の採用に適用した。Banerjee et al.[2018]とは対照的に,著者らは,新しい技術に関する情報が,情報損失のないしっかりクラスタ化されたグループで最初にシードされることができるが,エージェントがそれらの信念を表現できるかどうかのみを示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】