Multiagent Systems,Artificial Intelligence,Computer Science and Game Theory,Machine Learning,General Economics,سیستم های چند منظوره , هوش مصنوعی , علوم کامپیوتر و نظریه بازی , یادگیری ماشین , اقتصاد عمومی ,
توضیحات
Submitted 24 August, 2024; originally announced August 2024.
توضیحات به فارسی
ارسال شده در 24 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Aggregating the preferences of multiple agents into a collective decision is a common step in many important problems across areas of computer science including information retrieval, reinforcement learning, and recommender systems. As Social Choice Theory has shown, the problem of designing algorithms for aggregation rules with specific properties (axioms) can be difficult, or provably impossible in some cases. Instead of designing algorithms by hand, one can learn aggregation rules, particularly voting rules, from data. However, the prior work in this area has required extremely large models, or been limited by the choice of preference representation, i.e., embedding. We recast the problem of designing a good voting rule into one of learning probabilistic versions of voting rules that output distributions over a set of candidates. Specifically, we use neural networks to learn probabilistic social choice functions from the literature. We show that embeddings of preference profiles derived from the social choice literature allows us to learn existing voting rules more efficiently and scale to larger populations of voters more easily than other work if the embedding is tailored to the learning objective. Moreover, we show that rules learned using embeddings can be tweaked to create novel voting rules with improved axiomatic properties. Namely, we show that existing voting rules require only minor modification to combat a probabilistic version of the No Show Paradox.
چکیده به فارسی (ترجمه ماشینی)
جمع آوری ترجیحات چندین عامل در یک تصمیم جمعی یک گام مشترک در بسیاری از مشکلات مهم در زمینه های علوم کامپیوتر از جمله بازیابی اطلاعات ، یادگیری تقویت کننده و سیستم های توصیه کننده است.همانطور که تئوری انتخاب اجتماعی نشان داده است ، مشکل طراحی الگوریتم ها برای قوانین تجمیع با خصوصیات خاص (بدیهیات) می تواند دشوار باشد یا در برخی موارد غیرقابل اثبات باشد.به جای طراحی الگوریتم ها با دست ، می توان قوانین جمع آوری ، به ویژه قوانین رای گیری را از داده ها یاد گرفت.با این حال ، کار قبلی در این زمینه به مدل های بسیار بزرگی نیاز دارد ، یا با انتخاب بازنمایی ترجیح ، یعنی جاسازی ، محدود شده است.ما مشکل طراحی یک قاعده رای گیری خوب را در یکی از نسخه های احتمالی یادگیری قوانین رأی گیری که توزیع های خروجی از طریق مجموعه ای از نامزدها را بازسازی می کنیم ، تجدید می کنیم.به طور خاص ، ما از شبکه های عصبی برای یادگیری عملکردهای انتخاب اجتماعی احتمالی از ادبیات استفاده می کنیم.ما نشان می دهیم که تعبیه پروفایل های اولویت حاصل از ادبیات انتخاب اجتماعی به ما امکان می دهد قوانین رای گیری موجود را با کارآمدتر و در مقیاس های بزرگتر از رای دهندگان راحت تر از سایر کارها یاد بگیریم اگر تعبیه شده متناسب با هدف یادگیری باشد.علاوه بر این ، ما نشان می دهیم که قوانینی که آموخته شده با استفاده از تعبیه ها می توانند برای ایجاد قوانین رای گیری جدید با خصوصیات بدیهی بهبود یافته باشند.یعنی ، ما نشان می دهیم که قوانین رای گیری موجود فقط برای مقابله با یک نسخه احتمالی از پارادوکس No Show فقط به اصلاح جزئی نیاز دارند.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
