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
全部NCUIR
資訊電機學院
資訊工程學系
--研究計畫
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
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUIR
‧
管理
NCU Institutional Repository
>
資訊電機學院
>
資訊工程學系
>
研究計畫
>
Item 987654321/96913
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
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.html
0Kb
HTML
3
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