:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ali, Nawazish, Shaw, Rachael, Mason, Karl
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2601.08052
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Deep Reinforcement Learning Approach to Battery Management in Dairy Farming via Proximal Policy Optimization
von: Ali, Nawazish, et al.
Veröffentlicht: (2024)

A Reinforcement Learning Approach to Dairy Farm Battery Management using Q Learning
von: Ali, Nawazish, et al.
Veröffentlicht: (2024)

Reinforcement Learning Enabled Peer-to-Peer Energy Trading for Dairy Farms
von: Shah, Mian Ibad Ali, et al.
Veröffentlicht: (2024)

Peer-to-Peer Energy Trading in Dairy Farms using Multi-Agent Reinforcement Learning
von: Shah, Mian Ibad Ali, et al.
Veröffentlicht: (2025)

A Multi-Agent Systems Approach for Peer-to-Peer Energy Trading in Dairy Farming
von: Shah, Mian Ibad Ali, et al.
Veröffentlicht: (2023)

Uncertainty-Aware Knowledge Transformers for Peer-to-Peer Energy Trading with Multi-Agent Reinforcement Learning
von: Shah, Mian Ibad Ali, et al.
Veröffentlicht: (2025)

Optimizing Deep Reinforcement Learning for Adaptive Robotic Arm Control
von: Shianifar, Jonaid, et al.
Veröffentlicht: (2024)

Short-Term Electricity-Load Forecasting by Deep Learning: A Comprehensive Survey
von: Dong, Qi, et al.
Veröffentlicht: (2024)

Inferring Preferences from Demonstrations in Multi-objective Reinforcement Learning
von: Lu, Junlin, et al.
Veröffentlicht: (2024)

Demonstration Guided Multi-Objective Reinforcement Learning
von: Lu, Junlin, et al.
Veröffentlicht: (2024)

D-SPEAR: Dual-Stream Prioritized Experience Adaptive Replay for Stable Reinforcement Learning in Robotic Manipulation
von: Zhang, Yu, et al.
Veröffentlicht: (2026)

A Meta-Learning Approach for Multi-Objective Reinforcement Learning in Sustainable Home Environments
von: Lu, Junlin, et al.
Veröffentlicht: (2024)

Hindsight Preference Replay Improves Preference-Conditioned Multi-Objective Reinforcement Learning
von: Shianifar, Jonaid, et al.
Veröffentlicht: (2026)

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

Automated Deep Learning for Load Forecasting
von: Keisler, Julie, et al.
Veröffentlicht: (2024)

DiffLoad: Uncertainty Quantification in Electrical Load Forecasting with the Diffusion Model
von: Wang, Zhixian, et al.
Veröffentlicht: (2023)

Load-Aware Training Scheduling for Model Circulation-based Decentralized Federated Learning
von: Kainuma, Haruki, et al.
Veröffentlicht: (2025)

Agent-Based Modeling of Low-Emission Fertilizer Adoption for Dairy Farm Decarbonisation using Empirical Farm Data
von: Jayakumar, Surya, et al.
Veröffentlicht: (2026)

ProActor: Timing-Aware Reinforcement Learning for Proactive Task Scheduling Agents
von: Ding, Lei, et al.
Veröffentlicht: (2026)

On the Role of DAG topology in Energy-Aware Cloud Scheduling : A GNN-Based Deep Reinforcement Learning Approach
von: Hattay, Anas, et al.
Veröffentlicht: (2026)

Policy-Based Deep Reinforcement Learning Hyperheuristics for Job-Shop Scheduling Problems
von: Lassoued, Sofiene, et al.
Veröffentlicht: (2026)

Forecasting Anonymized Electricity Load Profiles
von: Fernandez, Joaquin Delgado, et al.
Veröffentlicht: (2025)

Dependency-Aware CAV Task Scheduling via Diffusion-Based Reinforcement Learning
von: Cheng, Xiang, et al.
Veröffentlicht: (2024)

From ARIMA to Attention: Power Load Forecasting Using Temporal Deep Learning
von: Veluru, Suhasnadh Reddy, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning Guided Improvement Heuristic for Job Shop Scheduling
von: Zhang, Cong, et al.
Veröffentlicht: (2022)

Tracking Drift: Variation-Aware Entropy Scheduling for Non-Stationary Reinforcement Learning
von: Wang, Tongxi, et al.
Veröffentlicht: (2026)

Interpretable Modeling of Deep Reinforcement Learning Driven Scheduling
von: Li, Boyang, et al.
Veröffentlicht: (2024)

Cost-Aware Dynamic Cloud Workflow Scheduling using Self-Attention and Evolutionary Reinforcement Learning
von: Shen, Ya, et al.
Veröffentlicht: (2024)

Topology-Aware and Highly Generalizable Deep Reinforcement Learning for Efficient Retrieval in Multi-Deep Storage Systems
von: Li, Funing, et al.
Veröffentlicht: (2025)

Sample-Efficient Neurosymbolic Deep Reinforcement Learning
von: Veronese, Celeste, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
von: Tang, Yu, et al.
Veröffentlicht: (2026)

Load and Renewable Energy Forecasting Using Deep Learning for Grid Stability
von: Sarkar, Kamal
Veröffentlicht: (2025)

schlably: A Python Framework for Deep Reinforcement Learning Based Scheduling Experiments
von: de Puiseau, Constantin Waubert, et al.
Veröffentlicht: (2023)

HGT-Scheduler: Deep Reinforcement Learning for the Job Shop Scheduling Problem via Heterogeneous Graph Transformers
von: Soykan, Bulent
Veröffentlicht: (2026)

Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control
von: Pang, Gaoyang, et al.
Veröffentlicht: (2021)

Lo-MARVE: A Low Cost Autonomous Underwater Vehicle for Marine Exploration
von: Mason, Karl, et al.
Veröffentlicht: (2024)

Scheduling Drone and Mobile Charger via Hybrid-Action Deep Reinforcement Learning
von: Dou, Jizhe, et al.
Veröffentlicht: (2024)

Graph-Enhanced Deep Reinforcement Learning for Multi-Objective Unrelated Parallel Machine Scheduling
von: Soykan, Bulent, et al.
Veröffentlicht: (2026)

To Train or Not to Train: Balancing Efficiency and Training Cost in Deep Reinforcement Learning for Mobile Edge Computing
von: Boscaro, Maddalena, et al.
Veröffentlicht: (2024)

Re-Identifying Kākā with AI-Automated Video Key Frame Extraction
von: Maddigan, Paula, et al.
Veröffentlicht: (2025)