نویسنده:
(1) Yigit Ege Bayiz، مهندسی برق و کامپیوتر دانشگاه تگزاس در آستین آستین، تگزاس، ایالات متحده آمریکا (ایمیل: [email protected])
(2) Ufuk Topcu، مهندسی هوافضا و مکانیک مهندسی دانشگاه تگزاس در آستین آستین، تگزاس، ایالات متحده آمریکا (ایمیل: [email protected]).
جدول پیوندها
چکیده و مقدمه
کارهای مرتبط
مقدماتی
مشکل Prebunking بهینه
سیاست های پایه قطعی
Prebunking به طور موقت
نتایج عددی
نتیجه گیری و مراجع
هشتم. نتیجه
ما مشکل تحویل بهینه prebunks به کاربر را به عنوان یک مسئله بهینهسازی حداقلی تعریف میکنیم، و تحت مفروضات انتشار SI الگوریتمهایی را پیشنهاد میکنیم که امکانسنجی را تضمین میکنند. ما نشان میدهیم که الگوریتم 3 رویکرد با پشتوانه نظری ما نیز نتایج بهتری نسبت به دو خط پایه دیگر در تحلیل تجربی با استفاده از انتشار اطلاعات غلط شبیهسازیشده در مدلهای چانگ-لو دارد. الگوریتم 3 نیز اغلب از نظر محاسباتی قابل حل است، زیرا در هر زمان، بر حل یک برنامه خطی متکی است که از نظر محاسباتی ارزان است.
با این حال، نتایج ما از محدودیت هایی که بر ساختار شبکه تحمیل می کنیم، رنج می برند. انتشار اطلاعات غلط در دنیای واقعی اغلب به طور قابل توجهی از پیش بینی های مدل SI منحرف می شود. مدل های ما نیز فقط امکان سنجی را ارائه می دهند …