Innovation race with continuous effort choicea deep-learning approach

Resumo

Nós estudamos uma corrida de inovação, usando tempo contínuo. Cada firma observa seu próprio estado e os dos oponentes e decide continuamente o seu nível de esforço. Como as recompensas são baseadas em rankings relativos, nós observamos um grande nível de esforço quando as firmas estão perto da linha de chegada ao mesmo tempo. Por outro lado, nós observamos um efeito desencorajador quando um competidor lidera por uma grande margem. Além disso, para ampliarmos a análise para um cenário com mais firmas, nós introduzimos uma solução com redes neurais informadas pela física (PINNs) devido os seus benefícios em relação aos métodos tradicionais. Por fim, nós comparamos a solução para um jogo com duas firmas com a solução usando métodos finitos.

Ficha do documento

Tipo

Tese

Ano

2024

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/36585

Temas

EconomiaTecnologia

Palavras-chave

Innovation raceContinuous-timeOptimal effortPhysics-informed neural networksCorrida de inovaçãoTempo contínuoEsforço ótimoRedes neurais informadas pela físicaEconomiaAprendizado do computadorInteligência artificialGestão estratégicaRedes neurais (Computação)