Andrew D. Bagdanov

La compensation de dérive apprenable améliore la performance du modèle en apprentissage continu.

Un nouvel environnement de jeu de course booste la recherche en apprentissage par renforcement hors ligne.

Une nouvelle méthode améliore la prise de décision chez les agents avec des données limitées.

Examen de l'utilisation de l'énergie des modèles d'IA en apprentissage continu pour la durabilité.

Une nouvelle approche de l'apprentissage fédéré qui équilibre la confidentialité et l'efficacité.