온라인 학습으로 동적 파라미터를 추적하는 사회 네트워크
본 논문은 시간에 따라 기하학적 랜덤워크로 변하는 스칼라 상태를, 개인이 사적 신호와 이웃과의 교류를 통해 온라인으로 추정하는 두 가지 업데이트 방식을 제안한다. 네트워크 구조와 상태 변화율에 대한 제한 조건을 제시하고, 각 방법의 정상 상태 평균제곱오차(MSD)를 명시적으로 계산한다. 관측 정보를 이웃까지 평균하는 방식이 더 낮은 MSD와 최적 칼만 필터에 근접함을 보이며, 유한 시간 동안의 평균 손실(레지스트) 상한도 제공한다.
저자: Shahin Shahrampour, Alex, er Rakhlin
본 논문은 시간에 따라 변동하는 스칼라 상태 xₜ 를 사회적 네트워크 상의 다수 에이전트가 온라인으로 추정하는 문제를 다룬다. 상태는 xₜ₊₁ = a xₜ + rₜ (기하학적 랜덤워크) 형태로 진화하며, a 는 모든 에이전트가 사전에 알고 있는 변화율이다. 각 에이전트 i는 사적 신호 yᵢ,ₜ = xₜ + wᵢ,ₜ (관측 잡음 wᵢ,ₜ) 를 매 시점 관측하고, 무향성 그래프 G (정점 V, 간선 E) 위에서 이웃 Nᵢ와 정보를 교환한다. 교환 가중치는 대칭·이중 확률 행렬 P =
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기