Emmanuel Rachelson

新しいフレームワークが行動情報を使って機械学習の最適化を改善するんだ。

ExpectRLを紹介するよ。これは期待値を使って強化学習の過大評価を解決する方法なんだ。

さまざまな環境で頑丈な強化学習手法をテストするための新しいベンチマーク。

研究者たちは、不確実な環境のための新しいフレームワークで強化学習を向上させた。

LEADS法は、より良いAI探求のためにスキルの多様性を高める。

SGDropは、限られたデータからCNNがよりよく学べるように、焦点を広げるのを手助けする。

RAMPはエージェントがより良い学習のための新しい道を探るのを助けるよ。