ترجمه فارسی مقاله محل تسهیلات استراتژیک تصادفی با پیش بینی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Randomized Strategic Facility Location with Predictions
عنوان مقاله به فارسی محل تسهیلات استراتژیک تصادفی با پیش بینی
نویسندگان Eric Balkanski, Vasilis Gkatzelis, Golnoosh Shahkarami
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Science and Game Theory,علوم کامپیوتر و نظریه بازی ,
توضیحات Submitted 11 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We revisit the canonical problem of strategic facility location and study the power and limitations of randomization in the design of truthful mechanisms augmented with machine-learned predictions. In the strategic facility location problem, a set of agents are asked to report their locations in some metric space and the goal is to use these reported locations to determine where to open a new facility, aiming to optimize some aggregate measure of distance of the agents from that facility. However, the agents are strategic and can misreport their locations if this may lead to a facility location choice that they prefer. The goal is to design truthful mechanisms, which ensure the agents cannot benefit by misreporting. A lot of prior work has studied this problem from a worst-case perspective, but a recent line of work proposed a framework to refine these results when the designer is provided with some, possible incorrect, predictions regarding the agents' true locations. The goal is to simultaneously provide strong consistency guarantees (i.e., guarantees when the predictions provided to the mechanism are correct) and near-optimal robustness guarantees (i.e., guarantees that hold irrespective of how inaccurate the predictions may be). In this work we focus on the power of randomization in this problem and analyze the best approximation guarantees achievable with respect to the egalitarian social cost measure for one- and two-dimensional Euclidean spaces.

چکیده به فارسی (ترجمه ماشینی)

ما دوباره مسئله متعارف محل تأسیسات استراتژیک را مرور می کنیم و قدرت و محدودیت های تصادفی را در طراحی مکانیسم های راستگو که با پیش بینی های یادگیری ماشین تقویت شده است ، بررسی می کنیم.در مشکل موقعیت مکانی استراتژیک ، از مجموعه ای از نمایندگان خواسته می شود مکان های خود را در برخی از فضای متریک گزارش دهند و هدف استفاده از این مکان های گزارش شده برای تعیین محل باز کردن یک تسهیلات جدید ، با هدف بهینه سازی برخی از اندازه گیری های کل از فاصله مأمورین است.از آن تأسیساتبا این حال ، نمایندگان استراتژیک هستند و در صورتی که ممکن است منجر به انتخاب محل تسهیلات شود که آنها ترجیح می دهند ، می توانند مکانهای خود را اشتباه بگیرند.هدف این است که مکانیسم های راستگو را طراحی کنید ، که اطمینان می دهد که نمایندگان نمی توانند با گزارش نادرست از آن بهره مند شوند.بسیاری از کارهای قبلی این مشکل را از منظر بدترین حالت مورد مطالعه قرار داده است ، اما یک خط کار اخیر چارچوبی را برای اصلاح این نتایج ارائه داده است که طراح با برخی از پیش بینی های نادرست و نادرست در مورد مکان های واقعی عوامل ارائه می شود.هدف این است که همزمان تضمین های سازگاری قوی را ارائه دهیم (یعنی تضمین می کند که پیش بینی های ارائه شده به مکانیسم صحیح است) و ضمانت های استحکام تقریباً بهینه (یعنی تضمین می کند که صرف نظر از اینکه پیش بینی ها چگونه ممکن است نادرست باشد).در این کار ما بر قدرت تصادفی سازی در این مشکل تمرکز می کنیم و بهترین تضمین های تقریبی را با توجه به اندازه گیری هزینه اجتماعی مساوات برای فضاهای یک و دو بعدی اقلیدسی قابل دستیابی می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.