Mateusz Ostaszewski

Untersuchen von Möglichkeiten, um Fähigkeiten im RL während des Feintunings beizubehalten.

Ein neuer Ansatz zur Verbesserung der Aktionswertschätzung bei Reinforcement-Learning-Agenten.

Forschung zeigt, dass allgemeine Regularisierungsmethoden die Leistung von Off-Policy RL-Agenten bei verschiedenen Aufgaben verbessern.

CRLQAS verbessert das Design von Quanten-Schaltungen unter rauschenden Bedingungen mithilfe von Reinforcement Learning.

Hier ist BRO, eine fortschrittliche Methode für schnelleres robotisches Lernen.

Forscher schlagen neue Methoden vor, um Lernsysteme kontinuierlich anpassen zu können.