数据科学的博弈论(英文版)/世界博弈论经典
全新正版 极速发货
￥ 52.03 6.6折 ￥ 79 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(瑞士)博伊·法尔廷斯//(克罗)戈兰·拉达诺维奇|责编:陈亮//夏丹
出版社世界图书出版公司
ISBN9787519276010
出版时间2020-08
装帧平装
开本其他
定价79元
货号31010797
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
博伊·法尔廷斯（Boi Faltings）是瑞士洛桑联邦理工学院的教授并曾担任计算机科学系系主任。他在人工智能的多个领域都做出重大贡献，并且是靠前上研究真实信息提取机制的先驱者之一。他是靠前人工智能促进协会的杰出会士（AAAI Fellow）和欧洲人工智能协会的杰出会士（EurAI Fellow）。戈兰·拉达诺维奇（Goran Radanović）目前是德国马普软件系统研究所的研究员，他博士师从瑞士洛桑联邦理工学院的法尔廷斯教授，毕业后在美国哈佛大学做博士后研究。
目录
Preface
Acknowledgments
1 Introduction
1.1 Motivation
1.1.1 Example: Product Reviews
1.1.2 Example: Forecasting Polls
1.1.3 Example: Community Sensing
1.1.4 Example: Crowdwork
1.2 Quality Control
1.3 Setting
2 Mechanisms for Verifiable Information
2.1 Eliciting a Value
2.2 Eliciting Distributions: Proper Scoring Rules
3 Parametric Mechanisms for Unverifiable Information
3.1 Peer Consistency for Objective Information
3.1.1 Output Agreement
3.1.2 Game-theoretic Analysis
3.2 Peer Consistency for Subjective Information
3.2.1 Peer Prediction Method
3.2.2 Improving Peer Prediction Through Automated Mechanism Design
3.2.3 Geometric Characterization of Peer Prediction Mechanisms
3.3 Common Prior Mechanisms
3.3.1 Shadowing Mechanisms
3.3.2 Peer Truth Serum
3.4 Applications
3.4.1 Peer Prediction for Self-monitoring
3.4.2 Peer Truth Serum Applied to Community Sensing
3.4.3 Peer Truth Serum in Swissnoise
3.4.4 Human Computation
4 Nonparametric Mechanisms: Multiple Reports
4.1 Bayesian Truth Serum
4.2 Robust Bayesian Truth Serum
4.3 Divergence-based BTS
4.4 Two-stage Mechanisms
4.5 Applications
5 Nonparametric Mechanisms: Multiple Tasks
5.1 Correlated Agreement
5.2 Peer Truth Serum for Crowdsourcing (PTSC)
5.3 Logarithmic Peer Truth Serum
5.4 Other Mechanisms
5.5 Applications
5.5.1 Peer Grading: Course Quizzes
5.5.2 Community Sensing
6 Prediction M arkets: Combining Elicitation and Aggregation
7 Agents Motivated by Influence
7.1 Influence Limiter: Use of Ground Truth
7.2 Strategyproof Mechanisms When the Ground Truth is not Accessible
8 Decentralized Machine Learning
8.1 Managing the Information Agents
8.2 From Incentives to Payments
8.3 Integration with Machine Learning Algorithms
8.3.1 Myopic Influence
8.3.2 Bayesian Aggregation into a Histogram
8.3.3 Interpolation by a Model
8.3.4 Learning a Classifier
8.3.5 Privacy Protection
8.3.6 Restrictions on Agent Behavior
9 Conclusions
9.1 Incentives for Quality
9.2 Classifying Peer Consistency Mechanisms
9.3 Information Aggregation
9.4 Future Work
Bibliography
Authors' Biographies
内容摘要
智能系统通常依赖于信息智能体提供的数据，例如传感器数据或众包计算。因为提供准确和切合的数据需要付出代价不菲，所以智能体可能并不总是愿意提供准确的数据。因此，不仅要验证数据的正确性，还要提供激励机制，以便提供高质量数据的智能体获得更多奖励。这就是本书的主题——数据科学中的博弈论。本书研究了不同的激励机制与各种环境设置，也考虑了声誉机制，并通过在预测平台、社区感知和同级评分中的应用实例来补充博弈论分析。
主编推荐
·这本前沿著作中介绍了如何在数据科学中引入博弈论，以获得高质量的数据并从中提取真实信息。·著者博伊·法尔廷斯是瑞士洛桑联邦理工学院的教授的计算机科学系系主任，他在人工智能的多个领域都做出重大贡献，并且是靠前上研究真实信息提取机制的先驱者之一。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价