:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Meng, Guanlin
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2310.10170
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Easy Adaptation: An Efficient Task-Specific Knowledge Injection Method for Large Models in Resource-Constrained Environments
von: Chen, Dong, et al.
Veröffentlicht: (2025)

Memory Allocation in Resource-Constrained Reinforcement Learning
von: Tamborski, Massimiliano, et al.
Veröffentlicht: (2025)

Leveraging Constraint Violation Signals For Action-Constrained Reinforcement Learning
von: Brahmanage, Janaka Chathuranga, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources
von: Li, Yikuan, et al.
Veröffentlicht: (2023)

Robust and Resource-Efficient Data-Free Knowledge Distillation by Generative Pseudo Replay
von: Binici, Kuluhan, et al.
Veröffentlicht: (2022)

Knowledge Grafting: A Mechanism for Optimizing AI Model Deployment in Resource-Constrained Environments
von: Almurshed, Osama, et al.
Veröffentlicht: (2025)

Provably Efficient Exploration in Inverse Constrained Reinforcement Learning
von: Yue, Bo, et al.
Veröffentlicht: (2024)

Sample-Efficient Constrained Reinforcement Learning with General Parameterization
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2024)

Automaton Distillation: Neuro-Symbolic Transfer Learning for Deep Reinforcement Learning
von: Singireddy, Suraj, et al.
Veröffentlicht: (2023)

Logarithmic Memory Networks (LMNs): Efficient Long-Range Sequence Modeling for Resource-Constrained Environments
von: Taha, Mohamed A.
Veröffentlicht: (2025)

Explore-Go: Leveraging Exploration for Generalisation in Deep Reinforcement Learning
von: Weltevrede, Max, et al.
Veröffentlicht: (2024)

Multi-Agent Deep Reinforcement Learning Under Constrained Communications
von: Shaik, Shahil, et al.
Veröffentlicht: (2026)

Reinforcement-aware Knowledge Distillation for LLM Reasoning
von: Zhang, Zhaoyang, et al.
Veröffentlicht: (2026)

Efficient Speech Command Recognition Leveraging Spiking Neural Network and Curriculum Learning-based Knowledge Distillation
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

Expediting Reinforcement Learning by Incorporating Knowledge About Temporal Causality in the Environment
von: Corazza, Jan, et al.
Veröffentlicht: (2025)

CADENT: Gated Hybrid Distillation for Sample-Efficient Transfer in Reinforcement Learning
von: Alinejad, Mahyar, et al.
Veröffentlicht: (2026)

Efficient Mathematical Reasoning Models via Dynamic Pruning and Knowledge Distillation
von: Yu, Fengming, et al.
Veröffentlicht: (2025)

A Resource-Adaptive Approach for Federated Learning under Resource-Constrained Environments
von: Zhang, Ruirui, et al.
Veröffentlicht: (2024)

C2G-KD: PCA-Constrained Generator for Data-Free Knowledge Distillation
von: Bengtsson, Magnus, et al.
Veröffentlicht: (2025)

Eau De $Q$-Network: Adaptive Distillation of Neural Networks in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2025)

Dataset Distillation for Offline Reinforcement Learning
von: Light, Jonathan, et al.
Veröffentlicht: (2024)

Reinforcement Learning via Self-Distillation
von: Hübotter, Jonas, et al.
Veröffentlicht: (2026)

Energy-Efficient Deep Reinforcement Learning with Spiking Transformers
von: Uddin, Mohammad Irfan, et al.
Veröffentlicht: (2025)

Continual Learning as Computationally Constrained Reinforcement Learning
von: Kumar, Saurabh, et al.
Veröffentlicht: (2023)

Optimal Cost Constrained Adversarial Attacks For Multiple Agent Systems
von: Lu, Ziqing, et al.
Veröffentlicht: (2023)

State-Constrained Offline Reinforcement Learning
von: Hepburn, Charles A., et al.
Veröffentlicht: (2024)

Locally Constrained Representations in Reinforcement Learning
von: Nath, Somjit, et al.
Veröffentlicht: (2022)

Random Network Distillation Based Deep Reinforcement Learning for AGV Path Planning
von: Yin, Huilin, et al.
Veröffentlicht: (2024)

FedMTFI: Feature Importance Based Optimized Multi Teacher Knowledge Distillation in Heterogeneous Federated Learning Environment
von: Shadin, Nazmus Shakib, et al.
Veröffentlicht: (2026)

Adaptive Action Duration with Contextual Bandits for Deep Reinforcement Learning in Dynamic Environments
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

(DEMO) Deep Reinforcement Learning Based Resource Allocation in Distributed IoT Systems
von: Li, Aohan, et al.
Veröffentlicht: (2025)

On Accelerating Edge AI: Optimizing Resource-Constrained Environments
von: Sander, Jacob, et al.
Veröffentlicht: (2025)

Training Plug-n-Play Knowledge Modules with Deep Context Distillation
von: Caccia, Lucas, et al.
Veröffentlicht: (2025)

Decorrelated Soft Actor-Critic for Efficient Deep Reinforcement Learning
von: Küçükoğlu, Burcu, et al.
Veröffentlicht: (2025)

Efficient Diversity-based Experience Replay for Deep Reinforcement Learning
von: Zhao, Kaiyan, et al.
Veröffentlicht: (2024)

Leveraging Zero-Shot Prompting for Efficient Language Model Distillation
von: Vöge, Lukas, et al.
Veröffentlicht: (2024)

Progressive Weight Loading: Accelerating Initial Inference and Gradually Boosting Performance on Resource-Constrained Environments
von: Kim, Hyunwoo, et al.
Veröffentlicht: (2025)

The M-factor: A Novel Metric for Evaluating Neural Architecture Search in Resource-Constrained Environments
von: Thudumu, Srikanth, et al.
Veröffentlicht: (2025)

Bidirectional Soft Actor-Critic: Leveraging Forward and Reverse KL Divergence for Efficient Reinforcement Learning
von: Zhang, Yixian, et al.
Veröffentlicht: (2025)

Large Scale Constrained Clustering With Reinforcement Learning
von: Schesch, Benedikt, et al.
Veröffentlicht: (2024)