「I.2.11」カテゴリーアーカイブ

SPEAR:Exact Gradient Inversion of Batches in Federated Learning

投稿日: 2024年3月7日 作成者: jarxiv

要約 フェデレーテッド ラーニングは、複数のクライアントがローカル データの勾配 … 続きを読む →

カテゴリー: cs.CR, cs.DC, cs.LG, I.2.11 | SPEAR:Exact Gradient Inversion of Batches in Federated Learning はコメントを受け付けていません

Safe Distributed Control of Multi-Robot Systems with Communication Delays

投稿日: 2024年2月15日 作成者: jarxiv

要約 マルチロボット システムの安全な操作は、特に海底マッピングのための水中、ナ … 続きを読む →

カテゴリー: 68M14, 68T07, 68T40, 68W15, cs.RO, I.2.11 | Safe Distributed Control of Multi-Robot Systems with Communication Delays はコメントを受け付けていません

Risk-Sensitive Multi-Agent Reinforcement Learning in Network Aggregative Markov Games

投稿日: 2024年2月9日 作成者: jarxiv

要約 従来のマルチエージェント強化学習 (MARL) は、エージェントのリスク中 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MA, I.2.11 | Risk-Sensitive Multi-Agent Reinforcement Learning in Network Aggregative Markov Games はコメントを受け付けていません

Graph Attention-based Reinforcement Learning for Trajectory Design and Resource Assignment in Multi-UAV Assisted Communication

投稿日: 2024年2月1日 作成者: jarxiv

要約 複数の無人航空機 (UAV) 支援のダウンリンク通信では、UAV 基地局 … 続きを読む →

カテゴリー: 68M11, cs.IT, cs.LG, cs.MA, I.2.11, math.IT | Graph Attention-based Reinforcement Learning for Trajectory Design and Resource Assignment in Multi-UAV Assisted Communication はコメントを受け付けていません

Learning to Manipulate under Limited Information

投稿日: 2024年1月30日 作成者: jarxiv

要約 社会的選択理論の古典的な結果によれば、合理的な優先投票方法は、個人に不誠実 … 続きを読む →

カテゴリー: 68T07, 91B10, 91B12, 91B14, cs.AI, cs.GT, cs.LG, cs.MA, econ.TH, I.2.11 | Learning to Manipulate under Limited Information はコメントを受け付けていません

Multi-Agent Coordination for a Partially Observable and Dynamic Robot Soccer Environment with Limited Communication

投稿日: 2024年1月29日 作成者: jarxiv

要約 ロボカップは、AI とロボット工学の研究を進めるための国際テストベッドを表 … 続きを読む →

カテゴリー: cs.MA, cs.RO, I.2.11 | Multi-Agent Coordination for a Partially Observable and Dynamic Robot Soccer Environment with Limited Communication はコメントを受け付けていません

How much can change in a year? Revisiting Evaluation in Multi-Agent Reinforcement Learning

投稿日: 2024年1月29日 作成者: jarxiv

要約 健全な実験基準と厳密さを確立することは、成長する研究分野において重要です。 … 続きを読む →

カテゴリー: A.0, cs.AI, I.2.0, I.2.11 | How much can change in a year? Revisiting Evaluation in Multi-Agent Reinforcement Learning はコメントを受け付けていません

Efficiently Quantifying Individual Agent Importance in Cooperative MARL

投稿日: 2024年1月29日 作成者: jarxiv

要約 協調的なマルチエージェント強化学習 (MARL) では、個々のエージェント … 続きを読む →

カテゴリー: A.0, cs.AI, I.2.0, I.2.11 | Efficiently Quantifying Individual Agent Importance in Cooperative MARL はコメントを受け付けていません

FLex&Chill: Improving Local Federated Learning Training with Logit Chilling

投稿日: 2024年1月19日 作成者: jarxiv

要約 フェデレーテッド ラーニングは、データの異質性、つまりローカル クライアン … 続きを読む →

カテゴリー: 68, cs.AI, cs.LG, I.2.11 | FLex&Chill: Improving Local Federated Learning Training with Logit Chilling はコメントを受け付けていません

Decentralized Multi-Agent Active Search and Tracking when Targets Outnumber Agents

投稿日: 2024年1月11日 作成者: jarxiv

要約 マルチエージェントによるマルチターゲット追跡は、野生動物のパトロール、セキ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MA, cs.RO, I.2.11 | Decentralized Multi-Agent Active Search and Tracking when Targets Outnumber Agents はコメントを受け付けていません