MétaCan
Menu
Retour à la cohorte
Enregistrement W2001442448 · doi:10.1145/570132.570134

Agent behavior and agent models in unregulated markets

2001· article· en· W2001442448 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueACM SIGAPP Applied Computing Review · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Agent-Based Network Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMulti-agent systemAgent-based modelDistributed computingThe InternetFidelityMobile agentSimple (philosophy)Risk analysis (engineering)Artificial intelligenceBusinessTelecommunicationsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Mobile-agent systems show significant promise as the most effective way to harness the power of the Internet and the massive collection of information and opportunity that the Internet holds. However the efficient organization and control of these systems remains one of a number of unsolved problems with this approach to network computing. This paper examines a mobile-agent system with specific focus on environment sensing, preemptive load balancing and open agent markets. Agent behaviour is studied with actual agent systems using progressively sophisticated agent migration strategies.It is shown that actual modeling shows interesting and difficult to predict behaviour in the agent systems. It is shown that mobile agents with relatively simple migration strategies can cause loads in self-regulating agent markets to oscillate. It is further shown that using Autoregressive modeling to predict the market behaviour can allow individual agents to significantly outperform other agents. However the fidelity of the model is critical to the success of the agents. The criticality of good agent strategies and actual agent system modeling is thus highlighted.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,267
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle