Learning and Strongly Truthful Multi-Task Peer Prediction: A Variational Approach
Learning and Strongly Truthful Multi-Task Peer Prediction: A Variational Approach
复制标题
学习和高度真实的多任务同伴预测：一种变分方法
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Yu, Fang-Yi
中科院分区：
文献类型：
--
作者：
Schoenebeck, Grant;Yu, Fang-Yi
登录
查看更多内容
DOI：
--
发表时间：
2019
期刊：
ACM-SIAM Symposium on Discrete Algorithms
影响因子：
--
作者：
Yuqing Kong
通讯作者：
Yuqing Kong
DOI：
--
发表时间：
1995
期刊：
Proceedings of 1995 IEEE International Symposium on Information Theory
影响因子：
--
作者：
I. Csiszár
通讯作者：
I. Csiszár
数据科学的博弈论：获取真实信息
DOI：
--
发表时间：
2017
期刊：
Game Theory for Data Science
影响因子：
--
作者：
B. Faltings;Goran Radanovic
通讯作者：
Goran Radanovic
两块岩石中的水：最大化互信息
DOI：
--
发表时间：
2018
期刊：
ACM Conference on Economics and Computation
影响因子：
--
作者：
Yuqing Kong;G. Schoenebeck
通讯作者：
G. Schoenebeck
未经验证而获取专业知识
DOI：
--
发表时间：
2018
期刊：
ACM Conference on Economics and Computation
影响因子：
--
作者：
Yuqing Kong;G. Schoenebeck
通讯作者：
G. Schoenebeck