Припустимо, у нас є проблема регресії, яку багато людей хочуть вирішити, але інформація розподілена між агентами, --- різні агенти бачать різні підмножини функцій. А агенти вбудовані в мережу (DAG). Коли хтось робить прогнози, їх спостерігають його діти.

Це також було частиною цікавого дослідження, яке ми провели в той же час, як включити сучасні інструменти штучного інтелекту в процес теоретичної та експериментальної науки. Ми теж багато дізналися про це --- колись напишемо більше.

@LuJiuyao Глобально оптимальний лінійний предиктор не обов'язково повинен знаходитися в діапазоні локально оптимальних лінійних предикторів (коли ознаки не є незалежними), оскільки відносна вага ознак різна в кожному випадку.

@LuJiuyao Червона лінія, до речі, відображає, що насправді відбувається, коли ви запускаєте це на вибірках від узагальнення цього екземпляра до 10 змінних. Ланцюг А1->А2->...->А10->А1->А2->...->А10->... і т.д. Кругова система назавжди. Після кожного проходу ви отримуєте падіння помилки, але воно ніколи не переходить до 0