Social learning With Bayesian Agent and Random Decision Making

文章摘要中大体的概述：

研究对象：   在社交学习中随机性对决策的影响。  在寻址系统中，每一个智能体依次的做出抉择

依照现实 情况。每一个 个体都会依据两个对自然=仿照假设做出决策，它们的在相同的情况下，而且相互独立。每一个个体又清楚之前个体做出的决策。

Paper ：提出每一个个体向先前的个体学习，并通过使用贝叶斯理论更新个体的社会信念

主要做的事情：

（１）定义了社会信念（ｓｏｃｉａｌ　ｂｅｌｉｅｆ）

（２）证明了使用所提出的随机策略，可以规避 渐进学习过程中的信息瀑布

信息瀑布，又称信息级联。描述了当人们的选择受到前人信息的影响，放弃自己喜好，追随前人的选择的一种现象。羊群效应也揭示了如此现象。造成信息瀑布有两个条件：可以看到别人的选择，看不到别人的心理。信息瀑布会造成一种情况，即使你的选择并不是你喜欢的，你还是会跟随前人。

首先：智能体做决策时有预先已经定义好的顺序，然后每个个体一旦做出抉择，其他所有个体都会知道，这些个体就会根据自己的观察以及前任的基础之上做出抉择。

其次：举例说明可以解决的相关的假设问题

In our　paper, we study the problem of learning when the agents in the　network do not share their private observations but they do their　decisions with the rest of the agents

 概念：　　信念空间

定义具体的没要太看懂，下面是原文中的 说明图形

 在涉及到渐进分析－－－－－信息 就是产生个体Ａ来说 个体的私有信息已经没有作用，开始表现出随大流的情况

 

经过代换：