José Miguel Hernández-Lobato
収録論文 2本 ・ フィジカルAI/ロボット学習
強化学習ベイズ最適化
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 強化学習における自己確認的重ね合わせトラップ強化学習2026/9/26
強化学習のポリシーと表現学習のループが、最適な表現フィッティングのもとでも低リターンのポリシーを維持しうる「自己確認的重ね合わせトラップ」を理論的に特徴づけ、リプレイ条件を導出した。
- 失敗予算制約下での探索を考慮した制約付きベイズ最適化ベイズ最適化2020/5/1
許容できる失敗回数の予算に応じて探索のリスク量を制御する制御理論ベースの決定手法を提案し、失敗予算をより効率的に使いつつ低いリグレットを達成する。
