文件名称:在社交网络中达成共识-研究论文
文件大小:219KB
文件格式:PDF
更新时间:2024-06-29 13:12:13
Networks social learning
本文考虑基于线性排序意见集的基于网络的非贝叶斯意见形成。 分析了包含标准加权平均修正函数的压缩和连续马尔可夫修正函数的一般类。 如果修订意见的排名严格高于(低)排名的最低(最高)观察意见,则修订功能是限制性的。 一般方法的主要优点是 (i) 它涵盖了广泛的应用,以及 (ii) 收缩特性易于测试。 结果表明,只要所有代理的修订功能都是收缩和连续的,就会在强连接网络中发生渐近共识。 修订功能不需要跨代理或跨时间为给定代理相同。 此外,如果代理人在形成他们的意见时遇到一类自然的概率错误,那么渐近共识几乎可以肯定地成立。