論文の概要: Networked Signal and Information Processing
- arxiv url: http://arxiv.org/abs/2210.13767v1
- Date: Tue, 25 Oct 2022 04:57:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 16:24:34.701150
- Title: Networked Signal and Information Processing
- Title(参考訳): ネットワーク信号と情報処理
- Authors: Stefan Vlaski, Soummya Kar, Ali H. Sayed, Jos\'e M. F. Moura
- Abstract要約: この記事では、ネットワーク化された信号と情報処理の大幅な進歩についてレビューし、この25年間に意思決定と推論、最適化、制御、学習を分散エージェントのユビキタスな環境に拡張してきた。
ネットワーク化されたエージェントは、協力と共有を通じて、プライバシの保護、レジリエンスの向上、リソースの節約をしながら、クラウドやフェデレーションされたソリューションのパフォーマンスにマッチすることができる。
- 参考スコア(独自算出の注目度): 56.572301493342174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The article reviews significant advances in networked signal and information
processing, which have enabled in the last 25 years extending decision making
and inference, optimization, control, and learning to the increasingly
ubiquitous environments of distributed agents. As these interacting agents
cooperate, new collective behaviors emerge from local decisions and actions.
Moreover, and significantly, theory and applications show that networked
agents, through cooperation and sharing, are able to match the performance of
cloud or federated solutions, while preserving privacy, increasing resilience,
and saving resources.
- Abstract(参考訳): この論文は、分散エージェントのユビキタスな環境への意思決定と推論、最適化、制御、学習を拡張した過去25年間に実現された、ネットワーク化された信号と情報処理の大きな進歩をレビューしている。
これらの相互作用するエージェントが協力するにつれて、地元の決定や行動から新しい集団行動が生まれる。
さらに、ネットワーク化されたエージェントは、協力と共有を通じて、プライバシの保護、レジリエンスの増大、リソースの節約をしながら、クラウドやフェデレーションされたソリューションのパフォーマンスにマッチすることができる。
関連論文リスト
- Operational Collective Intelligence of Humans and Machines [7.8074313693407635]
「集約的クラウドソース予測(ACF)を集団知能の運用を支援するメカニズムとして活用することを探る。」
この研究は、ACFがオペレーションの集合的知性を実現する鍵となる方法として、運用シナリオに対処できるかどうかを問うものである。
論文 参考訳(メタデータ) (2024-02-16T22:45:09Z) - Collaborative Information Dissemination with Graph-based Multi-Agent
Reinforcement Learning [2.9904113489777826]
本稿では,効率的な情報伝達のためのマルチエージェント強化学習(MARL)手法を提案する。
本稿では,各エージェントが個別にメッセージ転送を決定するための情報発信のための部分観測可能なゲーム(POSG)を提案する。
実験の結果,既存の手法よりも訓練済みの方針が優れていることがわかった。
論文 参考訳(メタデータ) (2023-08-25T21:30:16Z) - Attention-based Open RAN Slice Management using Deep Reinforcement
Learning [6.177038245239758]
本稿では,O-RAN分散化モジュールと分散エージェント協調を利用した,革新的アテンションベースディープRL(ADRL)技術を提案する。
シミュレーションの結果,他のDRLベースライン法と比較してネットワーク性能が大幅に向上した。
論文 参考訳(メタデータ) (2023-06-15T20:37:19Z) - Attention Based Feature Fusion For Multi-Agent Collaborative Perception [4.120288148198388]
グラフアテンションネットワーク(GAT)の形での中間的協調認識ソリューションを提案する。
提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。
このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調することにより、オブジェクト検出精度が向上する。
論文 参考訳(メタデータ) (2023-05-03T12:06:11Z) - Compressed Regression over Adaptive Networks [58.79251288443156]
分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。
エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
論文 参考訳(メタデータ) (2023-04-07T13:41:08Z) - Privacy-Preserving Joint Edge Association and Power Optimization for the
Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。
提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
論文 参考訳(メタデータ) (2023-01-26T10:09:23Z) - Competing Adaptive Networks [56.56653763124104]
適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。
本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
論文 参考訳(メタデータ) (2021-03-29T14:42:15Z) - Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。
当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。
我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
論文 参考訳(メタデータ) (2021-03-08T21:48:55Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳(メタデータ) (2020-10-15T14:12:26Z) - Resource Management in Wireless Networks via Multi-Agent Deep
Reinforcement Learning [15.091308167639815]
マルチエージェント深部強化学習(RL)を用いた無線ネットワークにおける分散リソース管理と干渉軽減機構を提案する。
ネットワーク内の各送信機に深部RLエージェントを装備し、それに関連するユーザからの遅延観測を受信するとともに、近隣のエージェントと観測を交換する。
提案フレームワークは,エージェントが他のエージェントの同時決定を知らずに,同時かつ分散的に意思決定を行うことを可能にする。
論文 参考訳(メタデータ) (2020-02-14T19:01:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。