摘要
基于经济学上的estban和Ray极化标准测度，建立了多智能体系统的极化模型。智能体通过基于潜在影响图更新自己的信念(观点)来进化，就像社会学习的标准DeGroot模型，但存在确认偏差;即对持不同意见的代理人的意见打折扣。我们证明，即使在这种偏置情况下，如果影响图是强连接的，极化最终也会消失(收敛到零)。如果影响图是规则对称循环，我们确定所有agent收敛到的唯一信念值。我们更有洞察力的结果表明，在一些自然假设下，如果极化最终没有消失，那么要么存在一个互不关联的代理子群，要么某些代理对其他人的影响大于她受到的影响。我们还证明了在确认偏差下，弱连接图的极化并不一定消失。我们用一系列的案例研究和模拟来说明我们的模型，并说明它如何与社会学习的经典DeGroot模型相关联。
引语
标签：偏差,模型,极化,智能,图是,DeGroot,社交 来源： https://blog.csdn.net/weixin_42689397/article/details/120753203
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。