Muutke küpsiste eelistusi

E-raamat: Distributed Artificial Intelligence: 4th International Conference, DAI 2022, Tianjin, China, December 15-17, 2022, Proceedings

Edited by , Edited by , Edited by , Edited by
  • Formaat - EPUB+DRM
  • Hind: 61,74 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This book constitutes the refereed proceedings of the 4th International Conference on Distributed Artificial Intelligence, DAI 2022, held in Tianjin, China, in December 2022.





The 5 full papers presented in this book were carefully reviewed and selected from 12 submissions. DAI aims at bringing together international researchers and practitioners in related areas including general AI, multiagent systems, distributed learning, computational game theory, etc., to provide a single, high-profile, internationally renowned forum for research in the theory and practice of distributed AI.

 





 
A Distributed RBF-Assisted Differential Evolution for Distributed
Expensive Constrained Optimization.- A Flexi Partner Selection Model for the
Emergence of Cooperation in N-person Social Dilemmas.- Efficient Deep
Reinforcement Learning via Policy-extended Successor Feature Approximator.-
Maximal Information  Propagation with Limited Resources.- Optimistic
Exploration based on Categorical-DQN for Cooperative Markov games.