「I.2.11」カテゴリーアーカイブ

Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots

投稿日: 2024年10月10日 作成者: jarxiv

要約 捜索や救助などのタスクのために、移動ロボットの異種チームを調整することは非 … 続きを読む →

カテゴリー: cs.AI, cs.RO, I.2.11 | Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots はコメントを受け付けていません

Learning To Help: Training Models to Assist Legacy Devices

投稿日: 2024年9月26日 作成者: jarxiv

要約 物理デバイス上のハードウェアに実装された機械学習モデルは、長期間にわたって … 続きを読む →

カテゴリー: cs.LG, I.2.11 | Learning To Help: Training Models to Assist Legacy Devices はコメントを受け付けていません

Decentralized Cooperation in Heterogeneous Multi-Agent Reinforcement Learning via Graph Neural Network-Based Intrinsic Motivation

投稿日: 2024年8月14日 作成者: jarxiv

要約 マルチエージェント強化学習 (MARL) は、さまざまな逐次的意思決定およ … 続きを読む →

カテゴリー: cs.AI, cs.MA, cs.RO, I.2.11 | Decentralized Cooperation in Heterogeneous Multi-Agent Reinforcement Learning via Graph Neural Network-Based Intrinsic Motivation はコメントを受け付けていません

Analysis of Total Variation Minimization for Clustered Federated Learning

投稿日: 2024年8月1日 作成者: jarxiv

要約 フェデレーテッド ラーニング アプリケーションにおける主な課題は、ローカル … 続きを読む →

カテゴリー: cs.LG, I.2.11 | Analysis of Total Variation Minimization for Clustered Federated Learning はコメントを受け付けていません

Naeural AI OS — Decentralized ubiquitous computing MLOps execution engine

投稿日: 2024年8月1日 作成者: jarxiv

要約 過去数年にわたって、ユビキタス コンピューティングまたはパーベイシブ コン … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.NI, I.2.11 | Naeural AI OS — Decentralized ubiquitous computing MLOps execution engine はコメントを受け付けていません

Solving Zebra Puzzles Using Constraint-Guided Multi-Agent Systems

投稿日: 2024年7月10日 作成者: jarxiv

要約 これまでの研究により、思考連鎖の促進や記号表現の導入などの手法を使用して論 … 続きを読む →

カテゴリー: (Primary), 68T01, 68T20, 68T27, cs.CL, cs.MA, I.2.11 | Solving Zebra Puzzles Using Constraint-Guided Multi-Agent Systems はコメントを受け付けていません

Feasibility of Federated Learning from Client Databases with Different Brain Diseases and MRI Modalities

投稿日: 2024年6月18日 作成者: jarxiv

要約 MRI における脳病変のセグメンテーション モデルは、通常、特定の疾患向け … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV, I.2.11 | Feasibility of Federated Learning from Client Databases with Different Brain Diseases and MRI Modalities はコメントを受け付けていません

Unveiling Energy Efficiency in Deep Learning: Measurement, Prediction, and Scoring across Edge Devices

投稿日: 2024年6月11日 作成者: jarxiv

要約 現在、ディープラーニングの最適化は主に、高い推論精度の達成とレイテンシの短 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NI, cs.PF, I.2.11 | Unveiling Energy Efficiency in Deep Learning: Measurement, Prediction, and Scoring across Edge Devices はコメントを受け付けていません

Quantifying Misalignment Between Agents

投稿日: 2024年6月7日 作成者: jarxiv

要約 近年、AI アライメント問題に対する懸念が高まっており、これまでの研究では … 続きを読む →

カテゴリー: cs.AI, cs.CY, cs.GT, cs.MA, I.2.11 | Quantifying Misalignment Between Agents はコメントを受け付けていません

Toward Constraint Compliant Goal Formulation and Planning

投稿日: 2024年5月22日 作成者: jarxiv

要約 規範、ルール、好みを遵守することの 1 つは、目標の策定と計画の処理に制約 … 続きを読む →

カテゴリー: cs.AI, I.2.11 | Toward Constraint Compliant Goal Formulation and Planning はコメントを受け付けていません