Buchumschlag

Distributed Learning in Markovian Restless Bandits over Interference Graphs for Stable Spectrum Sharing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Didi, Liad Lea, Cohen, Kobi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Asymptotically Optimal Search for a Change Point Anomaly under a Composite Hypothesis Model
von: Didi, Liad Lea, et al.
Veröffentlicht: (2024)

SINR-Aware Deep Reinforcement Learning for Distributed Dynamic Channel Allocation in Cognitive Interference Networks
von: Cohen, Yaniv, et al.
Veröffentlicht: (2024)

MARBLE: Multi-Armed Restless Bandits in Latent Markovian Environment
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

Regret Bounds for Adversarial Contextual Bandits with General Function Approximation and Delayed Feedback
von: Levy, Orin, et al.
Veröffentlicht: (2025)

From Contextual Combinatorial Semi-Bandits to Bandit List Classification: Improved Sample Complexity with Sparse Rewards
von: Erez, Liad, et al.
Veröffentlicht: (2025)

The Bandit Whisperer: Communication Learning for Restless Bandits
von: Zhao, Yunfan, et al.
Veröffentlicht: (2024)

The Real Price of Bandit Information in Multiclass Classification
von: Erez, Liad, et al.
Veröffentlicht: (2024)

Fast Rates for Bandit PAC Multiclass Classification
von: Erez, Liad, et al.
Veröffentlicht: (2024)

Restless Linear Bandits
von: Khaleghi, Azadeh
Veröffentlicht: (2024)

Bridging Rested and Restless Bandits with Graph-Triggering: Rising and Rotting
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2024)

Faster Q-Learning Algorithms for Restless Bandits
von: Kakarapalli, Parvish, et al.
Veröffentlicht: (2024)

Networked Restless Multi-Arm Bandits with Reinforcement Learning
von: Zhang, Hanmo, et al.
Veröffentlicht: (2025)

The Sample Complexity of Multiclass and Sparse Contextual Bandits
von: Erez, Liad, et al.
Veröffentlicht: (2026)

Whittle Index Learning Algorithms for Restless Bandits with Constant Stepsizes
von: Mittal, Vishesh, et al.
Veröffentlicht: (2024)

Fairness of Exposure in Online Restless Multi-armed Bandits
von: Sood, Archit, et al.
Veröffentlicht: (2024)

Online Learning of Whittle Indices for Restless Bandits with Non-Stationary Transition Kernels
von: Shisher, Md Kamran Chowdhury, et al.
Veröffentlicht: (2025)

DeepOFW: Deep Learning-Driven OFDM-Flexible Waveform Modulation for Peak-to-Average Power Ratio Reduction
von: Greidi, Ran, et al.
Veröffentlicht: (2026)

Searching for a Hidden Markov Anomaly over Multiple Processes
von: Citron, Levli, et al.
Veröffentlicht: (2025)

DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

Non-Stationary Restless Multi-Armed Bandits with Provable Guarantee
von: Hung, Yu-Heng, et al.
Veröffentlicht: (2025)

General Formulation and PCL-Analysis for Restless Bandits with Limited Observability
von: Liu, Keqin, et al.
Veröffentlicht: (2023)

Sparse Training for Federated Learning with Regularized Error Correction
von: Greidi, Ran, et al.
Veröffentlicht: (2023)

A Modularized Framework for Piecewise-Stationary Restless Bandits
von: Li, Kuan-Ta, et al.
Veröffentlicht: (2026)

Low-Complexity Algorithm for Restless Bandits with Imperfect Observations
von: Liu, Keqin, et al.
Veröffentlicht: (2021)

Optimal Control of Fluid Restless Multi-armed Bandits: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2025)

Provably Efficient Reinforcement Learning for Adversarial Restless Multi-Armed Bandits with Unknown Transitions and Bandit Feedback
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

GINO-Q: Learning an Asymptotically Optimal Index Policy for Restless Multi-armed Bandits
von: Chen, Gongpu, et al.
Veröffentlicht: (2024)

Restless Bandits with Individual Penalty Constraints: Near-Optimal Indices and Deep Reinforcement Learning
von: Zamir, Nida, et al.
Veröffentlicht: (2026)

Global Rewards in Restless Multi-Armed Bandits
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Risk-Aware Decision Making in Restless Bandits: Theory and Algorithms for Planning and Learning
von: Akbarzadeh, Nima, et al.
Veröffentlicht: (2024)

Neural Index Policies for Restless Multi-Action Bandits with Heterogeneous Budgets
von: Pandey, Himadri S., et al.
Veröffentlicht: (2025)

Model Predictive Control is Almost Optimal for Restless Bandit
von: Gast, Nicolas, et al.
Veröffentlicht: (2024)

Optimal Best Arm Identification with Fixed Confidence in Restless Bandits
von: Karthik, P. N., et al.
Veröffentlicht: (2023)

From Restless to Contextual: A Thresholding Bandit Reformulation For Finite-horizon Improvement
von: Xu, Jiamin, et al.
Veröffentlicht: (2025)

Lagrangian Index Policy for Restless Bandits with Average Reward
von: Avrachenkov, Konstantin, et al.
Veröffentlicht: (2024)

Graph-Dependent Regret Bounds in Multi-Armed Bandits with Interference
von: Jamshidi, Fateme, et al.
Veröffentlicht: (2025)

IRL for Restless Multi-Armed Bandits with Applications in Maternal and Child Health
von: Jain, Gauri, et al.
Veröffentlicht: (2024)

A Federated Online Restless Bandit Framework for Cooperative Resource Allocation
von: Tong, Jingwen, et al.
Veröffentlicht: (2024)

Multi-Armed Bandits with Interference
von: Jia, Su, et al.
Veröffentlicht: (2024)

Restless Bandit Problem with Rewards Generated by a Linear Gaussian Dynamical System
von: Gornet, Jonathan, et al.
Veröffentlicht: (2024)