To extend a partial order to a total order, we can map each element s to the number of elements that are less than s. Due to the transitivity of a partial order, the obtained total order preserves the original partial order. In a continuous measurable space, we can map each element s to the volume of the space that consists of elements that are less than s. This simple idea generates a new family of mutual information measures, volume mutual information (VMI). This new measure family has an application in peer prediction. In the setting where participants are asked multiple similar possibly subjective multi-choice questions (e.g. Do you like Bulbasaur? Y/N; do you like Squirtle? Y/N), peer prediction aims to design mechanisms that encourage honest subjective feedback without verification. We use VMI to design a family of mechanisms where truth-telling is better than any other strategy and all participants only need to answer a small constant number of tasks. Previously, Determinant Mutual Information (DMI)-Mechanism is the only mechanism that satisfies the two properties. We also give DMI a geometric intuition by proving that DMI is a special case of VMI. Finally, we provide a visualization of multiple commonly used information measures as well as the new VMI in the binary case.


翻译:为了将部分顺序扩展为全部顺序,我们可以将每个元素映射为低于全部顺序的元素数量。由于部分顺序的过渡性,获得的总顺序保留了原来的部分顺序。在一个连续的可测量空间中,我们可以将每个元素映射为空间的体积,空间的体积由不及于全部顺序的元素组成。这一简单的想法产生了一个新的信息体系,即相互测量、数量信息(VMI)。这个新度量系在同行预测中有一个应用程序。在向参与者询问多个可能类似的主观多选择问题(例如,你喜欢Bulbasaur吗?Y/N;你喜欢Squirtle?Y/N)的环境下,同行预测旨在设计鼓励诚实的主观反馈而无需核实的机制。我们用VMI来设计一个机制的组合,在其中,真相说明比任何其他战略都好,所有参与者只需要回答少量的不变任务。以前,威慑式相互信息(DMI)-Mychanis是满足这两个特性的唯一机制。我们还给DMI提供几何测量性直觉直觉,证明DMI是VMI的一个共同使用的特殊案例。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年4月27日
Arxiv
1+阅读 · 2021年4月24日
Arxiv
27+阅读 · 2021年2月17日
The Measure of Intelligence
Arxiv
7+阅读 · 2019年11月5日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
相关论文
Top
微信扫码咨询专知VIP会员