Buchumschlag

Latent Variable Modeling in Multi-Agent Reinforcement Learning via Expectation-Maximization for UAV-Based Wildlife Protection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Taghavi, Mazyar, Farnoosh, Rahman
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantum Computing and Neuromorphic Computing for Safe, Reliable, and explainable Multi-Agent Reinforcement Learning: Optimal Control in Autonomous Robotics
von: Taghavi, Mazyar, et al.
Veröffentlicht: (2024)

Application of Unsupervised Artificial Neural Network (ANN) Self_Organizing Map (SOM) in Identifying Main Car Sales Factors
von: Taghavi, Mazyar
Veröffentlicht: (2024)

Quantum-Inspired Multi Agent Reinforcement Learning for Exploration Exploitation Optimization in UAV-Assisted 6G Network Deployment
von: Taghavi, Mazyar, et al.
Veröffentlicht: (2025)

An Expectation-Maximization Algorithm for Domain Adaptation in Gaussian Causal Models
von: Javidian, Mohammad Ali
Veröffentlicht: (2026)

UAV-MARL: Multi-Agent Reinforcement Learning for Time-Critical and Dynamic Medical Supply Delivery
von: Guven, Islam, et al.
Veröffentlicht: (2026)

Non-myopic Matching and Rebalancing in Large-Scale On-Demand Ride-Pooling Systems Using Simulation-Informed Reinforcement Learning
von: Namdarpour, Farnoosh, et al.
Veröffentlicht: (2025)

Revealing the Challenges of Sim-to-Real Transfer in Model-Based Reinforcement Learning via Latent Space Modeling
von: Lin, Zhilin, et al.
Veröffentlicht: (2025)

Bayesian Deep Learning Via Expectation Maximization and Turbo Deep Approximate Message Passing
von: Xu, Wei, et al.
Veröffentlicht: (2024)

Constrained Latent Action Policies for Model-Based Offline Reinforcement Learning
von: Alles, Marvin, et al.
Veröffentlicht: (2024)

DiffEM: Learning from Corrupted Data with Diffusion Models via Expectation Maximization
von: Hosseintabar, Danial, et al.
Veröffentlicht: (2025)

HiVAE: Hierarchical Latent Variables for Scalable Theory of Mind
von: Doering, Nigel, et al.
Veröffentlicht: (2026)

To Code or not to Code? Adaptive Tool Integration for Math Language Models via Expectation-Maximization
von: Wang, Haozhe, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Conditional Expectation Reward
von: Xiao, Changyi, et al.
Veröffentlicht: (2026)

Detecting Training Data of Large Language Models via Expectation Maximization
von: Kim, Gyuwan, et al.
Veröffentlicht: (2024)

Bridge the Inference Gaps of Neural Processes via Expectation Maximization
von: Wang, Qi, et al.
Veröffentlicht: (2025)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

GEPO: Group Expectation Policy Optimization for Stable Heterogeneous Reinforcement Learning
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Age and Power Minimization via Meta-Deep Reinforcement Learning in UAV Networks
von: Sarathchandra, Sankani, et al.
Veröffentlicht: (2025)

Partial Models for Building Adaptive Model-Based Reinforcement Learning Agents
von: Alver, Safa, et al.
Veröffentlicht: (2024)

Enabling Multi-Agent Transfer Reinforcement Learning via Scenario Independent Representation
von: Nipu, Ayesha Siddika, et al.
Veröffentlicht: (2024)

Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
von: Liu, Zongkai, et al.
Veröffentlicht: (2024)

Multi-Scenario Combination Based on Multi-Agent Reinforcement Learning to Optimize the Advertising Recommendation System
von: Zhao, Yang, et al.
Veröffentlicht: (2024)

Learning Evolving Latent Strategies for Multi-Agent Language Systems without Model Fine-Tuning
von: Tang, Wenlong
Veröffentlicht: (2025)

Fair In-Context Learning via Latent Concept Variables
von: Bhaila, Karuna, et al.
Veröffentlicht: (2024)

Scalable Random Feature Latent Variable Models
von: Li, Ying, et al.
Veröffentlicht: (2024)

FDRMFL:Multi-modal Federated Feature Extraction Model Based on Information Maximization and Contrastive Learning
von: Wu, Haozhe
Veröffentlicht: (2025)

Multi-objective Reinforcement Learning with Nonlinear Preferences: Provable Approximation for Maximizing Expected Scalarized Return
von: Peng, Nianli, et al.
Veröffentlicht: (2023)

Local Causal Structure Learning in the Presence of Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2024)

Vision-Based Generic Potential Function for Policy Alignment in Multi-Agent Reinforcement Learning
von: Ma, Hao, et al.
Veröffentlicht: (2025)

KARL: Knowledge Agents via Reinforcement Learning
von: Chang, Jonathan D., et al.
Veröffentlicht: (2026)

Towards Principled Unsupervised Multi-Agent Reinforcement Learning
von: Zamboni, Riccardo, et al.
Veröffentlicht: (2025)

medDreamer: Model-Based Reinforcement Learning with Latent Imagination on Complex EHRs for Clinical Decision Support
von: Xu, Qianyi, et al.
Veröffentlicht: (2025)

$λ$-models: Effective Decision-Aware Reinforcement Learning with Latent Models
von: Voelcker, Claas A, et al.
Veröffentlicht: (2023)

MIR: Efficient Exploration in Episodic Multi-Agent Reinforcement Learning via Mutual Intrinsic Reward
von: Chen, Kesheng, et al.
Veröffentlicht: (2025)

Comprehend, Divide, and Conquer: Feature Subspace Exploration via Multi-Agent Hierarchical Reinforcement Learning
von: Zhang, Weiliang, et al.
Veröffentlicht: (2025)

Scalable Constrained Multi-Agent Reinforcement Learning via State Augmentation and Consensus for Separable Dynamics
von: Amaya-Corredor, Santiago, et al.
Veröffentlicht: (2026)

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
von: Barde, Paul, et al.
Veröffentlicht: (2023)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

PDRL: Multi-Agent based Reinforcement Learning for Predictive Monitoring
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Mitigating Relative Over-Generalization in Multi-Agent Reinforcement Learning
von: Zhu, Ting, et al.
Veröffentlicht: (2024)