زینب رضائی - هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد اردبیل

در این مقاله دو راهکار شناختی بر پایه استنتاج بیزی برای مسئله یادگیری گروهی معرفی و مقایسه شده است. در این مدلها عامل ها در یک شبکه سازماندهی شده اند. هرعامل سیگنالهای خصوصی نویزداری را با توجه به وضعیت ناشناخته فعلی دریافتکرده و با سایر عاملها در زمینه شبکه اجتماعی تعامل میکند تا سریع تر وضعیت موجود را تشخیص داده و بهترین تصمیمات ممکن را اتخاذ نماید. تحقیقات در زمینه یادگیری در اجتماع و تکامل باورها و متعاقب آن شکل گیری رفتار فردی و اجتماعی، مورد توجه محققان در رشته های مختلف از جمله مهندسی، آمار، اقتصاد و جامعه شناسی است. در هر دو متد معرفی شده در این مقاله، خصوصیات شناختی عامل ها باعث کاهش پیچیدگی محاسباتی استنتاج بیزین در شبکه ها می شوند. این خصوصیات با نظریه روانشناختی تفکر دوگانه ذهن سازگار هستند. در راهکار اول به نام استنتاج بیزی بدون فراخوانی، عامل ها بدون حافظه هستند و مرحله اول استنتاج بیزی را برای تمام مراحل بعدی تکرار میکنند. در راهکار دوم به نام مدل یادگیری بیزی ساده ساز استنتاجی سوگیر، عاملها تعاملات اجتماعی همسایه ها را نادیده گرفته و فرض میکنند هر همسایه تنها براساس سیگنالهای خصوصی خود تصمیم گیری کرده است. در بخش تحلیل، یادگیری مجانبی دو مدل بررسی شده و کارایی آنها در پروسه یادگیری عاملها با استفاده از روش مونت کارلو مقایسه شده است.

یادگیری اجتماعی، عامل های هوشمند، یادگیری مشاهده ای، تشخیص توزیع شده، یادگیری بیزین.