掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
深度學習
-
>
Unreal Engine 4藍圖完全學習教程
-
>
深入理解計算機系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應用從入門到精通-(附贈1DVD.含語音視頻教學+辦公模板+PDF電子書)
人工智能驅(qū)動的機制設計(英文版) 版權信息
- ISBN：9787302632832
- 條形碼：9787302632832 ; 978-7-302-63283-2
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人工智能驅(qū)動的機制設計(英文版) 本書特色
《人工智能驅(qū)動的機制設計(英文版）》提出了人工智能驅(qū)動的機制設計框架，以提供一種替代方法來處理目前機制設計理論與實踐中的一些問題。該框架包含兩個互相交互的抽象模型：智能體模型和機制模型，結合人工智能與機制設計可以解決利用單一領域技術無法解決的問題。研究從多物品拍賣，動態(tài)拍賣，以及多目標拍賣三個場景入手，分析并說明該框架對理論與實踐均有幫助。全書結構嚴謹，論證清晰，撰寫格式符合規(guī)范，語言邏輯性強，表述流暢，有較強的可讀性。
人工智能驅(qū)動的機制設計(英文版) 內(nèi)容簡介
《人工智能驅(qū)動的機制設計(英文版）》結合人工智能相關技術與機制設計理論，提出人工智能驅(qū)動的機制設計框架，以提供一種替代方法來處理目前機制設計理論與實踐中的一些問題。該框架包含兩個互相交互的抽象模型：智能體模型和機制模型。結合人工智能與機制設計，我們可以解決利用單一領域技術無法解決的問題。例如，我們可以極大縮小機制搜索空間，構建更現(xiàn)實的買家模型，以及更好地平衡各類目標。我們從多物品拍賣，動態(tài)拍賣，以及多目標拍賣三個場景入手，分析并說明該框架對理論與實踐均有幫助。
人工智能驅(qū)動的機制設計(英文版) 目錄
Chapter 1 Introduction 1
1.1 Mechanism Design 2
1.1.1 Social Choice Function 2
1.1.2 Mechanism 2
1.1.3 Implementation 3
1.1.4 Revelation Principle 4
1.1.5 Efficient Mechanisms 5
1.2 Auctions 7
1.3 Why AI-Driven 11
1.3.1 Challenges in Auction Design 11
1.3.2 The AI-Driven Framework 12
1.4 Organization of the Book 13
References 14
Chapter 2 Multi-Dimensional Mechanism Design via AI-Driven Approaches 16
2.1 Recovering Optimal Mechanisms with Simple Neural Networks 16
2.1.1 Background 17
2.1.2 Setting 19
2.1.3 Revisiting the Na\"i ve Mechanism 21
2.1.4 Network Structure of MenuNet 24
2.1.5 Recovering Known Results 27
2.2 Discovering Unknown Optimal Mechanisms 30
2.2.1 Experiment Results 31
2.2.2 Theoretic Analysis and Formal Proofs 34
2.3 Performance 52
References 56
Chapter 3 Dynamic Mechanism Design via AI-Driven Approaches 59
3.1 Dynamic Cost-Per-Action Auctions with Ex-Post IR Guarantees 60
3.1.1 Background 60
3.1.2 Our Contributions 62
3.1.3 Related Works 63
3.1.4 Setting and Preliminaries 64
3.1.5 Mechanisms 70
3.1.6 Truthfulness and Implementation 74
3.1.7 Impossibility Result 80
3.2 Dynamic Reserve Pricing via Reinforcement Mechanism Design 80
3.2.1 Background 81
3.2.2 Settings and Preliminaries 86
3.2.3 Bidder Behavior Model 88
3.2.4 Dynamic Mechanism Design as Markov Decision Process 93
References 103
Chapter 4 Multi-Objective Mechanism Design via AI-Driven Approaches 109
4.1 Balancing Objectives through Approximation Analysis 110
4.1.1 Background 110
4.1.2 Settings and Preliminaries 113
4.1.3 Generalized Virtual-Efficient Mechanisms 114
4.1.4 Experiments 126
4.2 Balancing Objectives through Machine Learning 128
4.2.1 Background 129
4.2.2 Market Clearing Loss 132
4.2.3 Theoretical Guarantees 138
4.2.4 Empirical Evaluation 140
References 146
Chapter 5 Summary and Future Directions 151
References 153
1.1 Mechanism Design 2
1.1.1 Social Choice Function 2
1.1.2 Mechanism 2
1.1.3 Implementation 3
1.1.4 Revelation Principle 4
1.1.5 Efficient Mechanisms 5
1.2 Auctions 7
1.3 Why AI-Driven 11
1.3.1 Challenges in Auction Design 11
1.3.2 The AI-Driven Framework 12
1.4 Organization of the Book 13
References 14
Chapter 2 Multi-Dimensional Mechanism Design via AI-Driven Approaches 16
2.1 Recovering Optimal Mechanisms with Simple Neural Networks 16
2.1.1 Background 17
2.1.2 Setting 19
2.1.3 Revisiting the Na\"i ve Mechanism 21
2.1.4 Network Structure of MenuNet 24
2.1.5 Recovering Known Results 27
2.2 Discovering Unknown Optimal Mechanisms 30
2.2.1 Experiment Results 31
2.2.2 Theoretic Analysis and Formal Proofs 34
2.3 Performance 52
References 56
Chapter 3 Dynamic Mechanism Design via AI-Driven Approaches 59
3.1 Dynamic Cost-Per-Action Auctions with Ex-Post IR Guarantees 60
3.1.1 Background 60
3.1.2 Our Contributions 62
3.1.3 Related Works 63
3.1.4 Setting and Preliminaries 64
3.1.5 Mechanisms 70
3.1.6 Truthfulness and Implementation 74
3.1.7 Impossibility Result 80
3.2 Dynamic Reserve Pricing via Reinforcement Mechanism Design 80
3.2.1 Background 81
3.2.2 Settings and Preliminaries 86
3.2.3 Bidder Behavior Model 88
3.2.4 Dynamic Mechanism Design as Markov Decision Process 93
References 103
Chapter 4 Multi-Objective Mechanism Design via AI-Driven Approaches 109
4.1 Balancing Objectives through Approximation Analysis 110
4.1.1 Background 110
4.1.2 Settings and Preliminaries 113
4.1.3 Generalized Virtual-Efficient Mechanisms 114
4.1.4 Experiments 126
4.2 Balancing Objectives through Machine Learning 128
4.2.1 Background 129
4.2.2 Market Clearing Loss 132
4.2.3 Theoretical Guarantees 138
4.2.4 Empirical Evaluation 140
References 146
Chapter 5 Summary and Future Directions 151
References 153
展開全部
人工智能驅(qū)動的機制設計(英文版) 作者簡介
沈蔚然，2014年畢業(yè)于清華大學電子工程系，2019年于清華大學交叉信息研究院取得計算機科學與技術博士學位，2019年至2020年在卡內(nèi)基梅隆大學任博士后研究員。研究方向主要為計算機與經(jīng)濟學的交叉學科，包括博弈論、機制設計、多智能體系統(tǒng)和機器學習，博士期間在相關領域高水平國際會議上發(fā)表研究論文10余篇。
書友推薦
- >
隨園食單
- >
月亮與六便士
- >
煙與鏡
- >
回憶愛瑪儂
- >
我與地壇
- >
山海經(jīng)
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
推拿
本類暢銷
