論文の概要: PRIME: Plasticity Recovery in Multi-Agent Environments for UAV-Assisted Emergency Communication Networks

• arxiv url: http://arxiv.org/abs/2607.17922v1
• Date: Mon, 20 Jul 2026 13:19:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.634198
• Title: PRIME: Plasticity Recovery in Multi-Agent Environments for UAV-Assisted Emergency Communication Networks
• Title（参考訳）: PRIME:UAV支援緊急通信ネットワークのためのマルチエージェント環境における塑性回復
• Abstract要約: 目的が変わると、ニューロンは徐々に休眠状態になり、共有ポリシーは学習能力を失う。 持続的非定常性は、この内部状態を直接的に損なうことを示す。 PRIMEはMAPPOよりも24.9%向上する。
• 参考スコア（独自算出の注目度）: 5.059907627897051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most reinforcement learning controllers for these networks assume stationary conditions, and the few that handle change react to the external environment while leaving the network's internal state unexamined. We show that sustained non-stationarity damages this internal state directly: as objectives shift, neurons progressively fall dormant and the shared policy loses the capacity to learn. The obvious remedy, resetting dormant neurons, is unsafe under shared-parameter multi-agent training: many neurons that appear inactive are still receiving strong training gradients, and whether a neuron appears dormant depends on which agent's observations it processes. PRIME (Plasticity Recovery In Multi-agent Environments) therefore verifies both directions before intervening. Extending the bidirectional Silent Neuron framework to cooperative multi-agent reinforcement learning, it aggregates activation and gradient statistics over the full team batch, reads the backward signal from the gradient the training loss has already deposited , not from a hand-crafted proxy, and reinitializes only neurons that are simultaneously activation-dormant and gradient-silent. Useful representations are preserved while learning capacity is restored. On a phase-switching UAV emergency communication simulator, PRIME improves interquartile mean return by 24.9\% over MAPPO and holds dormant neuron fractions at 10--20\% versus 40--45\%; ablations attribute the gains to the gradient signal and team-level aggregation rather than to the specific reset operator. A dynamic regret bound shows that the perturbation cost scales with the small silent-subspace dimension rather than the full parameter count.
• Abstract（参考訳）: これらのネットワークのための強化学習コントローラの多くは、定常的な条件を前提としており、変更を処理する少数の者は、ネットワークの内部状態を検査せずに外部環境に反応する。 目的がシフトするにつれて、ニューロンは徐々に休眠状態に陥り、共有ポリシーは学習能力を失う。 不活性なニューロンの多くは、依然として強いトレーニング勾配を受けており、ニューロンが休眠状態にあるかどうかは、どのエージェントがどの観察を処理しているかに依存している。 PRIME (Plasticity recovery in Multi-agent Environments) は介入前に両方の方向を検証する。 双方向のサイレントニューロンフレームワークを協調的マルチエージェント強化学習に拡張し、フルチームのバッチ上でアクティベーションとグラデーション統計を集約し、トレーニング損失が既に蓄積した勾配からの後方信号を読み出し、手作りのプロキシからではなく、アクティベーションドーマントと勾配サイレントを同時に行うニューロンのみを再起動する。 学習能力の回復中に有用な表現が保存される。 位相スイッチングUAV緊急通信シミュレータにおいて、PRIMEはMAPPOの24.9\%平均戻り値を改善し、10〜20\%対40〜45\%で休眠ニューロン分画を保持する。 動的後悔境界は、摂動コストが完全なパラメータ数ではなく、小さなサイレント・サブスペース次元でスケールしていることを示している。

関連論文リスト

• Calibrated Partial Resets: Preventing Policy Collapse in Continual Reinforcement Learning [3.1681974483553663]
  本稿では, 可塑性保持のための校正部分リセット (CPR) について, トレーニングを不安定にすることなく提案する。 CPRは、SlipperyAntの4億以上のトレーニングステップでポリシーの崩壊を避ける。 CPRは、継続学習の有望な方向として、ユーティリティスケールの再起動を強調している。
  論文  参考訳（メタデータ） (2026-07-27T18:53:00Z)
• Human-AI Agent Interaction as a Neuroplastic Training Environment [3.8263925497663167]
  日常的なエージェントインタラクションは、認識されていない神経可塑性トレーニング環境である。 結果が失望すると、不忍、完全主義、フラストレーション、自己批判といった反応パターンが繰り返し誘発される。 我々は,同じトレーニング環境を,その逆の効果に係わることができることを提案する。
  論文  参考訳（メタデータ） (2026-07-14T14:36:04Z)
• Sparse Inter-Layer Dependencies of Transformer FFN Neurons [32.00544060412007]
  FFNニューロンの活性化は、前回のニューロン活性化と注意出力のスパースセットによって説明できるかどうかを検討する。 本研究では、上流ニューロンの相対的影響と、標的ニューロンの活性化に対する注意出力を推定する学習自由属性法を提案する。
  論文  参考訳（メタデータ） (2026-07-13T15:04:50Z)
• Tiny Brains, Giant Impact: Uncovering the Keystone Neurons of LLM with Just a Few Prompts [57.98275914877019]
  広い範囲のオープンウェイトトランスフォーマーにおいて、ニューロンのサブセットは、複数の能力次元のタスクをまたいだ推論において、常に高度に活性化されることが示される。 クロスタスク活性化強度に沿って探索することにより、非常にスパースなサブセットが分離され、その除去はモデル挙動の崩壊を引き起こす。 解析の結果,キーストーンニューロンは,前訓練中にほぼ確立されたモデルの安定で内在的なニューロンサブセットであることが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-24T03:31:07Z)
• Plasticity-Enhanced Multi-Agent Mixture of Experts for Dynamic Objective Adaptation in UAVs-Assisted Emergency Communication Networks [5.059907627897051]
  我々は, 可塑性強化型多剤混合専門家(PE-MAMoE)を提案する。 PE-MAMoEは、各UAVに、ルーターが1ステップごとに1つの専門家を選択する専門家アクターをわずかに混合する。 環境変動と累積雑音エネルギーの両方で追従誤差尺度を示す動的後悔境界を導出する。
  論文  参考訳（メタデータ） (2026-04-10T06:46:29Z)
• A Backpropagation-Free Feedback-Hebbian Network for Continual Learning Dynamics [0.0]
  局所的な可塑性で訓練されたコンパクトなフィードバック経路は、再生と連続学習-関連するダイナミクスをサポートすることができることを示す。 その結果,局所的可塑性で訓練されたコンパクトなフィードバック経路は,再生と連続学習-関連するダイナミクスをサポートすることが示唆された。
  論文  参考訳（メタデータ） (2026-01-11T03:25:38Z)
• Understanding and Minimising Outlier Features in Neural Network Training [33.980628229566555]
  Outlier Features (OFs) は、ニューラルネットワーク(NN)の幅の平均よりも、アクティベーションがかなり大きいニューロンである。 建築と最適化の選択がOFに与える影響について検討し、トレーニング中のOFを最小化するための実践的な洞察を提供する。 新規な非正規化変圧器ブロック,outlier Protected blockを導入し,非対角型プリコンディショニングオプティマイザの既知の利点を示す。
  論文  参考訳（メタデータ） (2024-05-29T17:11:28Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Learning Bayesian Sparse Networks with Full Experience Replay for Continual Learning [54.7584721943286]
  継続学習(CL)手法は、機械学習モデルが、以前にマスターされたタスクを壊滅的に忘れることなく、新しいタスクを学習できるようにすることを目的としている。 既存のCLアプローチは、しばしば、事前に確認されたサンプルのバッファを保持し、知識蒸留を行い、あるいはこの目標に向けて正規化技術を使用する。 我々は,現在および過去のタスクを任意の段階で学習するために,スパースニューロンのみを活性化し,選択することを提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:25:03Z)
• Adaptive Rational Activations to Boost Deep Reinforcement Learning [68.10769262901003]
  我々は、合理的が適応可能なアクティベーション機能に適合する理由と、ニューラルネットワークへの含意が重要である理由を動機付けている。 人気アルゴリズムに(繰り返しの)アクティベーションを組み込むことで,アタリゲームにおいて一貫した改善がもたらされることを実証する。
  論文  参考訳（メタデータ） (2021-02-18T14:53:12Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)
• Feature Purification: How Adversarial Training Performs Robust Deep Learning [66.05472746340142]
  ニューラルネットワークのトレーニングプロセス中に隠れた重みに、特定の小さな密度の混合物が蓄積されることが、敵の例の存在の原因の1つであることを示す。 この原理を説明するために、CIFAR-10データセットの両実験と、ある自然な分類タスクに対して、ランダムな勾配勾配勾配を用いた2層ニューラルネットワークをトレーニングすることを証明する理論的結果を示す。
  論文  参考訳（メタデータ） (2020-05-20T16:56:08Z)

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。