Resumen

En la era del desarrollo de la inteligencia artificial, nos enfrentamos al desafío de cómo obtener un conjunto de datos de alta calidad para los sistemas de aprendizaje de manera efectiva y eficiente. El crowdsensing es una nueva herramienta poderosa que dividirá las tareas entre los contribuyentes de datos para lograr un resultado de forma acumulativa. Sin embargo, plantea varios desafíos nuevos, como la incentivación. Los mecanismos de incentivos son significativos para las aplicaciones de crowdsensing, ya que un buen mecanismo de incentivos atraerá a más trabajadores a participar. Sin embargo, los mecanismos existentes no han considerado situaciones en las que el crowdsourcer tiene que contratar trabajadores capacitados o trabajadores de múltiples regiones. Diseñamos dos objetivos para el escenario de multirregión propuesto, a saber, la media ponderada y el maximin. Los mecanismos propuestos maximizan la utilidad de los servicios proporcionados por un contribuyente de datos seleccionado bajo ambas restricciones de manera aproximada. Además, se realizan extensas simulaciones para

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Desarrollo; Inteligencia artificial; Crowdsensing; Incentivos; Mecanismos; Simulaciones
• Keywords:Development; Artificial intelligence; Crowdsensing; Incentivization; Mechanisms; Simulations