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。
本論文では,ε-BIC機構から,社会的福祉の損失なしに,また,付加的で無視できる収入損失なしに,正確にBIC機構に変換する。これは,福祉を保存し,無視できる収入損失を与えるBIC変換に対する最初のε-BICである。収入損失限界は,社会福祉を維持するための要求を与える。BIC変換に対する以前のε-BICは,社会福祉を保存するが,収入保証 ̄citepBei Huang11,または,福祉損失を受けず,一方,乗法的および付加項,例えば, 石Das Weinberg12,Rubinstein18,Cai19の両者による収入損失を招いた。著者らの変換によって達成された収入損失は,これらの以前のアプローチに不和合であり,そして,かなり少ないewewourアプローチは,以前のレプリカ-サロゲートマッチング法とは異なり,そして,著者らは,各エージェントに対して,1つ,1つは,指向型および重み付け型グラフ(タイプレグレットによって誘導される)の使用を直接行う。”結論]は,以前のレプリカ-サロゲートマッチング法とは異なり,そして,著者らは,直接,そして,著者らは,それぞれ,1つのエージェントに対して,直接,そして,重み付け型グラフ(タイプレグレットによって誘発された)の使用を,直接に行うことができた。この変換により,機構Bayesインセンティブを両立させるため,分数回転ステップとアパパイメントを段階的に削減する。また,ε-期待値のex-post IC(ε-EEIC)機構 ̄citep{DuettFJLLP12}を解析した。一様型分布に対する同じ収入損失保証を持つこの設定における福祉保存変換を提供し,非一様分布に対する不可能性結果を与えた。自動機構設計の線形プログラミングベースと機械学習ベースの方法に変換を適用した。【JST・京大機械翻訳】