English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 82005/82005 (100%)
造訪人次 : 51855647      線上人數 : 3248
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96913


    題名: 強化式學習中聯邦多臂賭徒之公平性研究;The Fairness Study of Federated Multi-Arm Bandit in Reinforcement Learning for Mobile Crowdsourcing
    作者: 孫敏德
    貢獻者: 國立中央大學資訊工程學系
    關鍵詞: 聯邦學習;多臂賭徒問題;公平性;隱私保護;移動群眾外包;資源分配;智慧城市;人工智慧;Federated Learning;Multi-Armed Bandits;Fairness;Privacy Protection;Mobile Crowdsourcing;Resource Allocation;Smart Cities;Artificial Intelligence
    日期: 2025-07-31
    上傳時間: 2025-08-07 17:19:13 (UTC+8)
    出版者: 國家科學及技術委員會(本會)
    摘要: 本計劃旨在開發一個結合聯邦學習(Federated Learning, FL)與多臂賭徒問題(Multi-Armed Bandits, MAB)的創新框架,聚焦於移動群眾外包(Mobile Crowdsourcing, MCS)系統中資源分配與決策優化的核心挑戰。計劃目標是實現隱私保護、多維公平性與系統效能間的平衡,並建立可擴展的分布式架構以支持智慧城市、共享經濟及其他應用場景的實際需求。 本研究對社會與經濟的影響包括提升資源分配效率、促進智慧城市建設、加強數據隱私保護,從而提高系統參與者的滿意度與信任度。在學術層面,本計劃將推動聯邦學習與多臂賭徒理論的進一步結合,提出公平性度量與隱私保護的新方法,為未來人工智慧領域的理論研究與應用發展提供重要支撐。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[資訊工程學系] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML3檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明