Non-Bayesian Social Learning with Observation Reuse and Soft Switching

We propose a non-Bayesian social learning update rule for agents in a network, which minimizes the sum of the Kullback-Leibler divergence between the true distribution generating the agents’ local observations and the agents’ beliefs (parameterized by a hypothesis set), and a weighted varentropy-rel...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	ACM transactions on sensor networks 2018-07, Vol.14 (2), p.1-21
Hauptverfasser:	Bhotto, MD. Zulfiquar Ali, Tay, Wee Peng
Format:	Artikel
Sprache:	eng
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!