On the Fusion Strategies for Federated Decision Making

要約

連合意思決定における情報集約の問題を検討します。この場合、エージェントのグループが協力して、中央処理装置または相互に個人データを共有することなく、基本的な自然の状態を推測します。
エージェントがベイズ規則を使用して個々の観察結果を意見 (つまり、軟判定) に組み込み、中央処理装置が算術平均または幾何平均によってこれらの意見を集約する、非ベイジアン社会学習戦略を分析します。
以前の研究に基づいて、両方のプーリング戦略がシステムの漸近的な正規性の特徴付けをもたらすことを確立します。これは、たとえば、エラー確率の近似式を与えるために利用できます。
シミュレーションで理論的発見を検証し、両方の戦略を比較します。

要約(オリジナル)

We consider the problem of information aggregation in federated decision making, where a group of agents collaborate to infer the underlying state of nature without sharing their private data with the central processor or each other. We analyze the non-Bayesian social learning strategy in which agents incorporate their individual observations into their opinions (i.e., soft-decisions) with Bayes rule, and the central processor aggregates these opinions by arithmetic or geometric averaging. Building on our previous work, we establish that both pooling strategies result in asymptotic normality characterization of the system, which, for instance, can be utilized in order to give approximate expressions for the error probability. We verify the theoretical findings with simulations and compare both strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google