EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing

Hadar Szostak, Kobi Cohen

IEEE Access · 2024 · 12 · 130444-130459

DOI: 10.1109/access.2024.3430392 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2024. Verfasst von Hadar Szostak und 1 weiteren Autor:innen. Die Arbeit wurde bisher 9-mal zitiert (Crossref) und nennt 58 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Israel Science Foundation.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Israel Science Foundation

Zitieren

APA

Szostak, H., & Cohen, K. (2024). Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing. IEEE Access, 12, 130444-130459. https://doi.org/10.1109/access.2024.3430392

Vancouver

Szostak H, Cohen K. Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing. IEEE Access. 2024;12:130444-130459. doi:10.1109/access.2024.3430392

BibTeX
@article{Szostak2024,
  author = {Szostak, Hadar and Cohen, Kobi},
  title = {Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing},
  journal = {IEEE Access},
  year = {2024},
  volume = {12},
  pages = {130444--130459},
  doi = {10.1109/access.2024.3430392}
}
Kostenlos starten →