Learning tree structured potential games

Vikas K. Garg, Tommi Jaakkola

Tutkimustuotos: LehtiartikkeliConference articleScientificvertaisarvioitu

9 Sitaatiot (Scopus)

Abstrakti

Many real phenomena, including behaviors, involve strategic interactions that can be learned from data. We focus on learning tree structured potential games where equilibria are represented by local maxima of an underlying potential function. We cast the learning problem within a max margin setting and show that the problem is NP-hard even when the strategic interactions form a tree. We develop a variant of dual decomposition to estimate the underlying game and demonstrate with synthetic and real decision/voting data that the game theoretic perspective (carving out local maxima) enables meaningful recovery.

AlkuperäiskieliEnglanti
Sivut1560-1568
Sivumäärä9
JulkaisuADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS
TilaJulkaistu - 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE Conference on Neural Information Processing Systems - Barcelona, Espanja
Kesto: 5 joulukuuta 201610 joulukuuta 2016
Konferenssinumero: 30

Sormenjälki

Sukella tutkimusaiheisiin 'Learning tree structured potential games'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä