Vidya Muthukumar
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
- 探索する実演者から学ぶ:バンディットにおける最適報酬推定強化学習2021/6/1
低後悔の実演者の学習過程、特に探索フェーズを観察してマルチアームバンディットの報酬を推定する「逆バンディット」問題を定式化し、情報理論的下限と最適な推定器を提案した論文。
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。
低後悔の実演者の学習過程、特に探索フェーズを観察してマルチアームバンディットの報酬を推定する「逆バンディット」問題を定式化し、情報理論的下限と最適な推定器を提案した論文。
PR・アフィリエイト広告