Generating neural architectures from parameter spaces for multi-agent reinforcement learning

We explore a data-driven approach to generating neural network parameters to determine whether generative models can capture the underlying distribution of a collection of neural network checkpoints. We compile a dataset of checkpoints from neural networks trained within the multi-agent reinforcemen...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Pattern recognition letters Jg. 185; S. 272 - 278
Hauptverfasser:	Artaud, Corentin, De-Silva, Varuna, Pina, Rafael, Shi, Xiyu
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 01.09.2024
Schlagworte:	Generative models Multi-agent reinforcement learning Neural networks Parameter generation Transformers Multi-agent reinforcement learning Transformers Parameter generation Generative models Neural networks
ISSN:	0167-8655
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!