关键词active hypothesis testing
搜索结果 - 3
- 单智能体和多智能体私人主动感知:一种深度神经进化方法
本文针对中央化和去中心化的积极假设测试问题,提出了基于神经进化的新框架和解决协作多智能体任务的新方法。在无线传感器网络异常检测示例应用中,通过数值实验验证了所提出的 EAHT 方法相对于传统积极假设测试策略和基于学习的方法的优越性。
- MM深度多智能体强化学习在去中心化主动假设测试中的应用
我们提出了一种基于深度多智能体强化学习框架的算法,名为 MARLA,用于多智能体主动假设检验问题,通过将每个智能体的状态映射到行动,从而最小化贝叶斯风险。我们通过实验结果有效展示了智能体学习协作策略和通过 MARLA 提升性能的能力,并展示 - 嘈杂贝叶斯主动学习
本文提出了一种基于最大化外部 Jensen-Shannon 分歧的标签查询采样策略,用于噪声贝叶斯主动学习中的真实标签生成函数的识别,并提供了上下界,表现优于以往的方法。