Alberto Maria Metelli

Ein neues Framework für effizientes Reinforcement Learning in komplexen Umgebungen.

Neue Rahmenwerke verbessern das Lernen aus dem Verhalten von Experten bei Entscheidungen.

Dieses Framework verbessert die Lerneffizienz bei komplexen Aufgaben durch hierarchische Strukturen.

Entdecke effiziente Methoden, um die besten Optionen in Entscheidungsfindungs-Szenarien zu finden.

Eine neue Methode verbessert das Lernen mit mehreren Aufgaben, indem sie Ziele und Merkmale aggregiert.

Neuer Algorithmus verbessert die Entscheidungsfindung bei Betriebsabläufen im Stromnetz mithilfe von historischen Daten.

Dieser Artikel behandelt, wie das Sliding-Window Thompson Sampling Entscheidungen in sich verändernden Umgebungen angeht.

Eine Studie zeigt Erkenntnisse über Entscheidungsfindung unter Unsicherheit durch Nutzenlernen.

Untersuchen, wie ausgeruhte Banditen die Entscheidungsfindung mit Pausen verbessern.