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

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系 > 研究計畫 > Item 987654321/96913

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	29	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

資料載入中.....