Zobrazeno 1 - 10
of 42
pro vyhledávání: '"Yang, Xiwang"'
Publikováno v:
Jixie chuandong, Vol 48, Pp 170-176 (2024)
In order to effectively capture the fault features contained in the vibration signals of the rotating machinery and complete the fault diagnosis task efficiently, a fault diagnosis model combining two-dimensional image features and lightweight neural
Externí odkaz:
https://doaj.org/article/3e05e92201b24c558f27bf3c833073fe
We consider designing reward schemes that incentivize agents to create high-quality content (e.g., videos, images, text, ideas). The problem is at the center of a real-world application where the goal is to optimize the overall quality of generated c
Externí odkaz:
http://arxiv.org/abs/2205.00192
Online recommendation and advertising are two major income channels for online recommendation platforms (e.g. e-commerce and news feed site). However, most platforms optimize recommending and advertising strategies by different teams separately via d
Externí odkaz:
http://arxiv.org/abs/2003.00097
We consider the principal-agent problem with heterogeneous agents. Previous works assume that the principal signs independent incentive contracts with every agent to make them invest more efforts on the tasks. However, in many circumstances, these co
Externí odkaz:
http://arxiv.org/abs/1911.04146
Autor:
Zhao, Xiangyu, Gu, Changsheng, Zhang, Haoshenglun, Yang, Xiwang, Liu, Xiaobing, Tang, Jiliang, Liu, Hui
With the recent prevalence of Reinforcement Learning (RL), there have been tremendous interests in utilizing RL for online advertising in recommendation platforms (e.g., e-commerce and news feed sites). However, most RL-based advertising algorithms f
Externí odkaz:
http://arxiv.org/abs/1909.03602
In this paper, we design gross product maximization mechanisms which incentivize users to upload high-quality contents on user-generated-content (UGC) websites. We show that, the proportional division mechanism, which is widely used in practice, can
Externí odkaz:
http://arxiv.org/abs/1907.04740
Autor:
Yang, Xiwang, Wen, Ya, Liu, Shaomin, Duan, Liqiang, Liu, Tongfeng, Tong, Zhou, Wang, Zhuo, Gu, Yinmin, Xi, Yibo, Wang, Xiaodong, Luo, Dingsan, Zhang, Ruobing, Liu, Yajuan, Wang, Yang, Cheng, Tianyou, Jiang, Siyuan, Zhu, Xiaofeng, Yang, Xiaohui, Pan, Yongbo, Cheng, Shuwen, Ye, Qinong, Chen, Jinfei, Xu, Xiaoding, Gao, Shan
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 2022 Feb 01. 119(5), 1-12.
Externí odkaz:
https://www.jstor.org/stable/27117718
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.