Miroslav Dudik
収録論文 1本 ・ フィジカルAI/ロボット学習
強化学習
※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
- 二重ロバスト方策評価と学習強化学習2011/3/1
報酬モデルと過去方策モデルのどちらかが良好なら精度を保証する二重ロバスト手法を文脈付きバンディットの方策評価・最適化に適用し、分散低減と方策改善を実証した。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※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。
報酬モデルと過去方策モデルのどちらかが良好なら精度を保証する二重ロバスト手法を文脈付きバンディットの方策評価・最適化に適用し、分散低減と方策改善を実証した。
PR・アフィリエイト広告