实体
Decentralized learning in Markov games
Decentralized learning in Markov games
PulseAugur coverage of Decentralized learning in Markov games — every cluster mentioning Decentralized learning in Markov games across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新理论表明掩码图像建模对非独立同分布数据更具鲁棒性
一项新的理论分析探讨了分布式自监督学习（D-SSL）框架在面对非独立同分布（non-IID）数据时的鲁棒性。研究表明，与对比学习（CL）相比，掩码图像建模（MIM）对数据异质性更具弹性。此外，研究表明去中心化自监督学习的鲁棒性随着网络连接的增加而提高，这意味着联邦学习与去中心化学习一样鲁棒。为了增强MIM，该论文引入了MAR损失，它包含了局部到全局的对齐正则化，实验结果验证了理论发现和MAR损失的有效性。
-
在实际无线约束下分析去中心化学习协议
一篇新的研究论文探讨了去中心化学习协议，重点关注其在移动和带宽受限等现实无线条件下的性能。该研究根据接触时间、部分更新和争用等因素，确定了三种不同的运行机制，为在利用蓝牙 LE、LTE 和 Wi-Fi 等技术的系统中部署去中心化学习提供了实用见解。研究结果旨在指导改进连接性、带宽和争用缓解措施，以实现更有效的去中心化学习。