Open Access · CC BY-NC-ND 4.0
Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing
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.
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}
}
EUVIMED