Emmanuel Rachelson

Un nuevo marco mejora la optimización en el aprendizaje automático usando información de comportamiento.

Presentamos ExpectRL para abordar la sobreestimación en el Aprendizaje por Refuerzo a través de expectiles.

Un nuevo estándar para probar métodos de aprendizaje por refuerzo robustos en diferentes entornos.

Los investigadores mejoran el aprendizaje por refuerzo con un nuevo marco para entornos inciertos.

El método LEADS mejora la diversidad de habilidades para una mejor exploración de IA.

SGDrop ayuda a las CNN a aprender mejor con datos limitados al ampliar su enfoque.

RAMP ayuda a los agentes a explorar nuevos caminos para un mejor aprendizaje.