Cs.SY

'Cs.SY' 카테고리의 모든 글

총 3개의 글
시간순 정렬
No Image

게임 기반 다중 에이전트 시스템의 융합

협업은 자연과 사회에서 보편적으로 관찰되는 집단 행동의 하나로, 에이전트, 기업 또는 다른 물질들이 상태에 대한 공감각을 유지하고 전체로서 행동한다는 것을 의미합니다. 본 논문에서는 초기 상태가 서로 다른 n개의 합리적인 에이전트에 대한 협업을 고려합니다. 인구의 합리성과 지능성을 고려하여, 협업 과정은 유일한 혼합 전략 나이시 균형해를 가진 이중 행렬 게임으로 설명됩니다. 이 과정이 독립적인 확률 과정이 아니기 때문에 협업 과정을 분석하는 것이 어렵습니다. 첫 번째 보렐-칸텔리 레마를 사용하여 모든 에이전트가 확률 1로 하나의 그룹으로 협업할 것이라는 것을 증명합니다. 또한, 예상 협업 시간도 평가됩니다. 수익 함수가 거듭제곱 함수인 경우, 협업 시간의 분포와 기대값을 얻습니다. 마지막으로 시뮬레이션 예제를 제공하여 이론적 결과의 유효성을 검증합니다.

paper AI 요약
[한글 번역 중] An introduction to decentralized stochastic optimization with gradient   tracking

[한글 번역 중] An introduction to decentralized stochastic optimization with gradient tracking

분산 최소화에 대한 분산해법은 신호 처리, 제어 및 머신 러닝 애플리케이션에서 중요한 역할을 합니다. 이러한 환경에서는 데이터가 임의로 연결된 노드 네트워크에 분포되어 있고 원시 데이터 공유는 통신이나 프라이버시 제약으로 인해 불가능한 경우가 많습니다. 본 논문에서는 분산 확률적 1차 최적화 방법을 검토하고, 최근의 개선 사항인 그래디언트 추적 및 변동 감소 기반의 개선사항에 대해 설명합니다. 특히 매끄럽고 강하게 볼록한 목적 함수에 초점을 맞추었습니다. 주요 기술적인 아이디어와 분산 머신 러닝 모델 학습에서 이러한 알고리즘의 적용 사례를 직관적으로 설명하였습니다.

paper AI 요약
[한글 번역 중] Multi-Task Regression-based Learning for Autonomous Unmanned Aerial   Vehicle Flight Control within Unstructured Outdoor Environments

[한글 번역 중] Multi-Task Regression-based Learning for Autonomous Unmanned Aerial Vehicle Flight Control within Unstructured Outdoor Environments

전 세계 무인 항공기(UAV)(드론) 산업의 성장은 완전 자율 비행 UAV 응용 프로그램의 가능성을 확대시켰다. 본 연구를 부분적으로 동기 부여한 특정 응용 분야는 구조화되지 않은 야외 환경에서 넓은 지역 탐색 및 감시 작업에 드론을 사용하는 것이다. 이러한 환경의 주요 문제점은 도로 선이나 길과 같은 자율 비행을 돕기 위한 구조화된 특징의 부재이다. 본 논문에서는 숲 아래에서 비행 명령을 정의할 수 있는 End-to-End Multi-Task Regression 기반 학습 접근법을 제안한다. 이 접근법은 길 또는 추가 센서(GPS 포함)의 존재 여부와 관계없이 탐색 및 항해가 가능하다. 훈련과 테스트는 상태-of-the-art 자세 추정 기술에 대한 상세한 평가를 가능하게 하는 소프트웨어 인 루프 파이프라인을 사용하여 수행된다. 우리의 광범위한 실험은 우리의 접근법이 필요한 탐색 범위 내에서 밀도가 높은 탐사를 수행하는 데 우수함을 보여주며, 더 넓은 탐색 영역을 커버하고, 이전에 본 적 없고 탐사되지 않은 환경에도 일반화하며, 동시대 상태-of-the-art 기술보다 우월하다는 것을 입증한다.

paper AI 요약

< 카테고리 현황 (Total: 347) >

검색 시작

검색어를 입력하세요

↑↓
ESC
⌘K 단축키