懦夫博弈和性别战

                                                                                                                                                                                         懦夫博弈和性别战

一.懦夫博弈
    1.基本模型:鹰鸽博弈
                                                                                 
             
                                                                                    参与人B
                                                                                  老鹰                            鸽子
                                             参与人A      老鹰       A-C , A-C                   2A, 0
                                                                   鸽子        0 , 2A                       A , A
           当A>C时,老鹰—老鹰是纳什均衡。
           当A<C时,老鹰策略的概率α*=A/C。
           两点推论:1、A增加;2、C增加
     2.课堂讨论:
            放开枪支管制,是否有利于提高一个国家的社会福利水平?
         答: 不利。理由:1,中国改革开放时说,先鼓励一部分人先富起来,让先富带后富,可我看到的现象是富的越来越富,穷的越来越穷,如果放开枪支的管制,我觉的很有可能社会主义会变成资本主义,贫富差距会更大,也会越来越不公平。

2,美国与中国文化底蕴不同,美国的个人英雄主义较强,它是个年轻的民族,不会说出现几个人一商量就干大事去了。而中国,无论是三国,还是水浒,尤其是水浒,中国人看重情谊,喜欢拉帮结派,放开枪支管束,指不定会发生什么事,再者,西藏哪里不是一直在骚动吗。

3,如果放开枪支管束,会降低民族幸福感,会增加民族的恐惧感。很多事不是说做就做的,也不是说控制就能控制的,往往是说控制时,基本上已经控制不住了,如果每位年满十八周岁的公民都拥有持枪证,造成了社会的骚动,那时候就控制不住了。

3.奖励要适度,过犹不及。

4.赢者通吃的行业,容易出现过度竞争:竞技体育很多时候就是个万元陷阱,除非它本身就能给你带来快乐。奥运会就是一帮最需要运动的人在观看一帮最需要休息的人在剧烈运动。

类似的例子(竞争关系)
1、停车占位(协调机制)

2、升官发财(选拔机制)
3、找工作(招聘管理)
4、抢市场(竞争机制)
5、填志愿(录取机制)

二.性别战

1.基本模型

电影 跳舞

男 电影 2,1 0,0

跳舞 -1,-1 1,2

均衡的存在性定理
每一个有限博弈至少存在一个纳什均衡(纯战略的或混合战略的)(纳什,1950)

在n人战略式博弈中,如果每个参与人的纯战略空间Si 是欧氏空间上一个非空的、闭的、有界的凸集,损益函数ui (s)是连续的,那么,至少存在一个混合战略纳 什均衡。( Glicksberg,1952 )

个人觉得法律不被信仰,形同虚设!




深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值