Buchumschlag

DeepAir: A Multi-Agent Deep Reinforcement Learning Based Scheme for an Unknown User Location Problem

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yamansavascilar, Baris, Ozgovde, Atay, Ersoy, Cem
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Networking and Internet Architecture Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLMs are everywhere: Ubiquitous Utilization of AI Models through Air Computing
von: Yamansavascilar, Baris, et al.
Veröffentlicht: (2025)

AirCompSim: A Discrete Event Simulator for Air Computing
von: Yamansavascilar, Baris, et al.
Veröffentlicht: (2024)

Air Computing: A Survey on a New Generation Computation Paradigm in 6G Wireless Networks
von: Yamansavascilar, Baris, et al.
Veröffentlicht: (2022)

DeepEdge: A Deep Reinforcement Learning based Task Orchestrator for Edge Computing
von: Yamansavascilar, Baris, et al.
Veröffentlicht: (2021)

A Flexible Multi-Agent Deep Reinforcement Learning Framework for Dynamic Routing and Scheduling of Latency-Critical Services
von: Vitale, Vincenzo Norman, et al.
Veröffentlicht: (2025)

Enhanced Evolutionary Multi-Objective Deep Reinforcement Learning for Reliable and Efficient Wireless Rechargeable Sensor Networks
von: Tong, Bowei, et al.
Veröffentlicht: (2025)

On Designing Multi-UAV aided Wireless Powered Dynamic Communication via Hierarchical Deep Reinforcement Learning
von: Zhao, Ze Yu, et al.
Veröffentlicht: (2023)

Adaptive Context-Aware Multi-Path Transmission Control for VR/AR Content: A Deep Reinforcement Learning Approach
von: Ahmed, Shakil, et al.
Veröffentlicht: (2024)

Base Station Deployment under EMF constrain by Deep Reinforcement learning
von: Mallik, Mohammed, et al.
Veröffentlicht: (2025)

SymbXRL: Symbolic Explainable Deep Reinforcement Learning for Mobile Networks
von: Duttagupta, Abhishek, et al.
Veröffentlicht: (2026)

A Deep Reinforcement Learning Approach for Adaptive Traffic Routing in Next-gen Networks
von: Abrol, Akshita, et al.
Veröffentlicht: (2024)

HGFF: A Deep Reinforcement Learning Framework for Lifetime Maximization in Wireless Sensor Networks
von: Han, Xiaoxu, et al.
Veröffentlicht: (2024)

An Overlay Multicast Routing Method Based on Network Situational Awareness and Hierarchical Multi-Agent Reinforcement Learning
von: Ye, Miao, et al.
Veröffentlicht: (2026)

MA-CDMR: An Intelligent Cross-domain Multicast Routing Method based on Multiagent Deep Reinforcement Learning in Multi-domain SDWN
von: Ye, Miao, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning-based Cell DTX/DRX Configuration for Network Energy Saving
von: Mao, Wei, et al.
Veröffentlicht: (2025)

OpticGAI: Generative AI-aided Deep Reinforcement Learning for Optical Networks Optimization
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Adaptive Social Metaverse Streaming based on Federated Multi-Agent Deep Reinforcement Learning
von: Long, Zijian, et al.
Veröffentlicht: (2025)

Joint Admission Control and Resource Allocation of Virtual Network Embedding via Hierarchical Deep Reinforcement Learning
von: Wang, Tianfu, et al.
Veröffentlicht: (2024)

Network Topology Optimization via Deep Reinforcement Learning
von: Li, Zhuoran, et al.
Veröffentlicht: (2022)

APIRL: Deep Reinforcement Learning for REST API Fuzzing
von: Foley, Myles, et al.
Veröffentlicht: (2024)

Joint User Pairing and Beamforming Design of Multi-STAR-RISs-Aided NOMA in the Indoor Environment via Multi-Agent Reinforcement Learning
von: Park, Yu Min, et al.
Veröffentlicht: (2023)

On the Prediction of Wi-Fi Performance through Deep Learning
von: Formis, Gabriele, et al.
Veröffentlicht: (2025)

Radio Propagation Modelling: To Differentiate or To Deep Learn, That Is The Question
von: Bakirtzis, Stefanos, et al.
Veröffentlicht: (2025)

V2N Service Scaling with Deep Reinforcement Learning
von: Hsu, Cyril Shih-Huan, et al.
Veröffentlicht: (2023)

Predictive Handover Strategy in 6G and Beyond: A Deep and Transfer Learning Approach
von: Panitsas, Ioannis, et al.
Veröffentlicht: (2024)

Continual Deep Reinforcement Learning to Prevent Catastrophic Forgetting in Jamming Mitigation
von: Davaslioglu, Kemal, et al.
Veröffentlicht: (2024)

QoS-Aware Scheduling in New Radio Using Deep Reinforcement Learning
von: Stigenberg, Jakob, et al.
Veröffentlicht: (2021)

A Novel Cross-band CSI Prediction Scheme for Multi-band Fingerprint based Localization
von: Ruihao, Yuan, et al.
Veröffentlicht: (2024)

Open RAN-Enabled Deep Learning-Assisted Mobility Management for Connected Vehicles
von: Barbosa, Maria, et al.
Veröffentlicht: (2024)

Dual-Graph Multi-Agent Reinforcement Learning for Handover Optimization
von: Salvatori, Matteo, et al.
Veröffentlicht: (2026)

Heterogeneous Multi-Agent Reinforcement Learning for Distributed Channel Access in WLANs
von: Yu, Jiaming, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Task Offloading in Wireless Edge Networks
von: Fox, Andrea, et al.
Veröffentlicht: (2025)

Distributed Noncoherent Joint Transmission Based on Multi-Agent Reinforcement Learning for Dense Small Cell MISO Systems
von: Bai, Shaozhuang, et al.
Veröffentlicht: (2024)

Multi-Agent RL-Based Industrial AIGC Service Offloading over Wireless Edge Networks
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach
von: Park, Yu Min, et al.
Veröffentlicht: (2024)

SafeSlice: Enabling SLA-Compliant O-RAN Slicing via Safe Deep Reinforcement Learning
von: Nagib, Ahmad M., et al.
Veröffentlicht: (2025)

Multi-Scale Diffusion Transformer for Jointly Simulating User Mobility and Mobile Traffic Pattern
von: Liu, Ziyi, et al.
Veröffentlicht: (2025)

LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks
von: Zheng, Lijie, et al.
Veröffentlicht: (2025)

Sustainable broadcasting in Blockchain Networks with Reinforcement Learning
von: Valko, Danila, et al.
Veröffentlicht: (2024)

A Safety-Constrained Reinforcement Learning Framework for Reliable Wireless Autonomy
von: Ibrahim, Abdikarim Mohamed, et al.
Veröffentlicht: (2026)