文献

J-GLOBAL ID：202002281647517296   整理番号：20A2258975

マルチエージェントアドバイザリング学習における差別的なプライベートな悪意的エージェント回避【JST・京大機械翻訳】

Differentially Private Malicious Agent Avoidance in Multiagent Advising Learning

著者 (4件)： Ye Dayong (School of Software, University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhu Tianqing (School of Software, University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhou Wanlei (School of Software, University of Technology Sydney, Ultimo, NSW, Australia) ,  Yu Philip S. (Department of Computer Science, University of Illinois at Chicago, Chicago, IL, USA)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 50  号： 10  ページ： 4214-4227  発行年： 2020年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： エージェントアドバイスは,エージェントが互いにアドバイスを問うことを可能にして,エージェント学習性能を向上するための重要なアプローチの1つである。既存のエージェント助言アプローチには2つの制限がある。第一の限界は,システムにおけるすべてのエージェントが,優しい,そして協同的であると仮定することである。しかし,実世界では,悪意のあるエージェントが存在し,他のエージェントの学習性能を妨げるための誤った助言を提供する可能性がある。第2の制約は,これらのアプローチにおける通信オーバヘッドの解析は,見落と単純化のいずれかである。しかし,通信制約環境においては,通信オーバヘッドを注意深く考慮する必要がある。2つの限界を克服するために,本論文は,新規な差別的個人エージェント助言方式を提案した。本アプローチは,教師エージェントを選択するため,学生エージェントが使用する報酬にノイズを加えるLaplace機構を採用した。微分プライバシー技術を用いて,提案方法は,それらを同定することなく,悪意のあるエージェントの影響を減らすことができる。また,プライバシー予算概念を採用することによって,提案した方式は通信オーバヘッドを自然に制御することができた。実験結果は,提案した方式の有効性を実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *学習 ,  簡素化 ,  微分 ,  プライバシー ,  有効性 ,  *エージェント
準シソーラス用語： 差別 ,  通信オーバーヘッド ,  通信制約 , 【Automatic Indexing@JST】

分類 (3件)： システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  差別 ,  エージェント ,  回避