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

NCUIR > College of Electrical Engineering & Computer Science > Department of Computer Science and information Engineering > Research Project > Item 987654321/96913

Please use this identifier to cite or link to this item: https://ir.lib.ncu.edu.tw/handle/987654321/96913

Title:	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
Authors:	孫敏德
Contributors:	國立中央大學資訊工程學系
Keywords:	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
Date:	2025-07-31
Issue Date:	2025-08-07 17:19:13 (UTC+8)
Publisher:	國家科學及技術委員會(本會)
Abstract:	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。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Computer Science and information Engineering] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	3	View/Open

社群 sharing

Loading...