Misalkan kita memiliki masalah regresi yang ingin dipecahkan banyak orang, tetapi informasi didistribusikan di seluruh agen --- agen yang berbeda melihat subset fitur yang berbeda. Dan agen tertanam dalam jaringan (DAG). Ketika seseorang membuat prediksi, mereka diamati oleh anak-anaknya.

Ini juga merupakan bagian dari eksplorasi menyenangkan yang kami lakukan pada saat yang sama dalam cara menggabungkan alat AI modern dalam proses melakukan sains teoretis dan eksperimental. Kami belajar banyak tentang itu juga --- kami akan menulis lebih banyak di beberapa titik.

@LuJiuyao Prediktor linier optimal global tidak perlu berada dalam rentang prediktor linier optimal lokal (ketika fitur-fiturnya tidak independen), karena pembobotan relatif fitur berbeda dalam setiap kasus.

@LuJiuyao Garis merah btw memplot apa yang sebenarnya terjadi ketika Anda menjalankan ini pada sampel dari generalisasi instance ini ke 10 variabel. Rantainya adalah A1->A2->...->A10->A1->A2->...->A10->... dll pergi round robin selamanya. Anda mendapatkan penurunan kesalahan setelah setiap lintasan tetapi tidak pernah mencapai 0