Buchumschlag

Multi-Agent Hybrid SAC for Joint SS-DSA in CRNs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nickel, David R., Das, Anindya Bijoy, Love, David J., Brinton, Christopher G.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Coding for Gaussian Two-Way Channels: Linear and Learning-Based Approaches
von: Kim, Junghoon, et al.
Veröffentlicht: (2023)

Minimum Description Feature Selection for Complexity Reduction in Machine Learning-based Wireless Positioning
von: Oh, Myeung Suk, et al.
Veröffentlicht: (2024)

Complexity Reduction in Machine Learning-Based Wireless Positioning: Minimum Description Features
von: Oh, Myeung Suk, et al.
Veröffentlicht: (2024)

Learning-Based Two-Way Communications: Algorithmic Framework and Comparative Analysis
von: Nickel, David R., et al.
Veröffentlicht: (2025)

Cooperative Decentralized Backdoor Attacks on Vertical Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

Smart Information Exchange for Unsupervised Federated Learning via Reinforcement Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2024)

Multi-Source to Multi-Target Decentralized Federated Domain Adaptation
von: Wang, Su, et al.
Veröffentlicht: (2023)

Multi-Agent Reinforcement Learning for Graph Discovery in D2D-Enabled Federated Learning
von: Wagle, Satyavrat, et al.
Veröffentlicht: (2025)

Decentralized Upper Confidence Bound Algorithms for Homogeneous Multi-Agent Multi-Armed Bandits
von: Zhu, Jingxuan, et al.
Veröffentlicht: (2021)

Scalable Fairness Shaping with LLM-Guided Multi-Agent Reinforcement Learning for Peer-to-Peer Electricity Markets
von: Jadhav, Shrenik, et al.
Veröffentlicht: (2025)

On the Reliability Limits of LLM-Based Multi-Agent Planning
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Optimization and Learning in Open Multi-Agent Systems
von: Deplano, Diego, et al.
Veröffentlicht: (2025)

Neural Operators for Multi-Task Control and Adaptation
von: Sewell, David, et al.
Veröffentlicht: (2026)

The Synergy Between Optimal Transport Theory and Multi-Agent Reinforcement Learning
von: Baheri, Ali, et al.
Veröffentlicht: (2024)

Multi-Target Radar Search and Track Using Sequence-Capable Deep Reinforcement Learning
von: Ewers, Jan-Hendrik, et al.
Veröffentlicht: (2025)

Finite-Time Guarantees for Multi-Agent Combinatorial Bandits with Nonstationary Rewards
von: Adams, Katherine B., et al.
Veröffentlicht: (2025)

Optimism as Risk-Seeking in Multi-Agent Reinforcement Learning
von: Zhang, Runyu, et al.
Veröffentlicht: (2025)

Logarithmically Quantized Distributed Optimization over Dynamic Multi-Agent Networks
von: Doostmohammadian, Mohammadreza, et al.
Veröffentlicht: (2024)

Multi-Agent Stage-wise Conservative Linear Bandits
von: Afsharrad, Amirhossein, et al.
Veröffentlicht: (2025)

Sparsity-Preserving Encodings for Straggler-Optimal Distributed Matrix Computations at the Edge
von: Das, Anindya Bijoy, et al.
Veröffentlicht: (2024)

Structured Cooperative Multi-Agent Reinforcement Learning: a Bayesian Network Perspective
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs
von: Mondal, Abhishek, et al.
Veröffentlicht: (2024)

Safe Multi-Agent Reinforcement Learning with Convergence to Generalized Nash Equilibrium
von: Li, Zeyang, et al.
Veröffentlicht: (2024)

Jointly Computation- and Communication-Efficient Distributed Learning
von: Ren, Xiaoxing, et al.
Veröffentlicht: (2025)

Enhancing Sample Efficiency in Multi-Agent RL with Uncertainty Quantification and Selective Exploration
von: Danino, Tom, et al.
Veröffentlicht: (2025)

Federated Multi-Agent Deep Reinforcement Learning Approach via Physics-Informed Reward for Multi-Microgrid Energy Management
von: Li, Yuanzheng, et al.
Veröffentlicht: (2022)

DASA: Delay-Adaptive Multi-Agent Stochastic Approximation
von: Fabbro, Nicolò Dal, et al.
Veröffentlicht: (2024)

Constraint Learning in Multi-Agent Dynamic Games from Demonstrations of Local Nash Interactions
von: Zhang, Zhouyu, et al.
Veröffentlicht: (2025)

Alleviating Community Fear in Disasters via Multi-Agent Actor-Critic Reinforcement Learning
von: Hakke, Yashodhan D., et al.
Veröffentlicht: (2026)

Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models
von: Lyu, Qing, et al.
Veröffentlicht: (2026)

Multi-Agent Based Transfer Learning for Data-Driven Air Traffic Applications
von: Deng, Chuhao, et al.
Veröffentlicht: (2024)

WFCRL: A Multi-Agent Reinforcement Learning Benchmark for Wind Farm Control
von: Monroc, Claire Bizon, et al.
Veröffentlicht: (2025)

ROMA-iQSS: An Objective Alignment Approach via State-Based Value Learning and ROund-Robin Multi-Agent Scheduling
von: Lin, Chi-Hui, et al.
Veröffentlicht: (2024)

Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks
von: Wang, Zhiying, et al.
Veröffentlicht: (2024)

Global Rewards in Multi-Agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems
von: Hoppe, Heiko, et al.
Veröffentlicht: (2023)

SAFE--MA--RRT: Multi-Agent Motion Planning with Data-Driven Safety Certificates
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

Learning Probabilistic Responsibility Allocations for Multi-Agent Interactions
von: Remy, Isaac, et al.
Veröffentlicht: (2026)

Decentralized Event-Triggered Online Learning for Safe Consensus of Multi-Agent Systems with Gaussian Process Regression
von: Dai, Xiaobing, et al.
Veröffentlicht: (2024)

Joint Learning of Linear Time-Invariant Dynamical Systems
von: Modi, Aditya, et al.
Veröffentlicht: (2021)

Koopman Eigenfunction-Based Identification and Optimal Nonlinear Control of Turbojet Engine
von: Grasev, David
Veröffentlicht: (2025)