机构名称：
¥ 4.0
预测聚合结合了多个预测者的预测以提高准确性。但是，缺乏有关预测者信息结构的知识阻碍了最佳聚集。鉴于一系列信息结构，强大的预测汇总旨在与无所不知的聚合器相比，以最小的最坏情况遗憾找到聚合器。鲁棒预测的先前方法依赖于启发式观察和参数调整。我们提出了一个算法框架，用于鲁棒预测聚合。我们的框架提供了有限的信息结构家族的一般信息聚合的有效近似方案。在Arieli等人考虑的设置中。（2018），如果两个代理在二元状态下接收独立的信号，我们的框架还通过对固定器或代理报告中的分离条件施加Lipschitz条件来提供有效的近似方案。数值实验通过在Arieli等人考虑的设置中提供几乎最佳的聚合器来证明我们方法的有效性。（2018）。
算法鲁棒预测聚合
主要关键词
相关文件推荐
