基于核的学习在多智能体应用中的保证 原文约400字,阅读约需1分钟。发表于:2024-04-15T00:00:00Z。 本文讨论了网络中观察到噪声环境下潜在多维非线性现象的基于核的学习问题,提出了一种学习算法,仅需要关于研究对象的轻微先验知识,并提供了相应的非渐近高概率误差界限的模型。本文还提供了方法的非渐近分析和数值模拟结果。 在网络建模多智能体系统是一个挑战。研究者提出了基于ALS算法和ORALS算法的解决方法。这两种算法适用于大量数据轨迹,且保证可识别性和适定性。ORALS算法在欠定条件下是一致且渐近正常的。实验结果表明这些方法在不同模型上都有效。 ALS算法 ORALS算法 可识别性 多智能体 多智能体系统 网络建模