Zobrazeno 1 - 10
of 365
pro vyhledávání: '"Engelbrecht, H."'
Traditional multi-agent reinforcement learning (MARL) algorithms, such as independent Q-learning, struggle when presented with partially observable scenarios, and where agents are required to develop delicate action sequences. This is often the resul
Externí odkaz:
http://arxiv.org/abs/2211.10100
Publikováno v:
In International Journal of Oral & Maxillofacial Surgery July 2018 47(7):940-946
Publikováno v:
In International Journal of Oral & Maxillofacial Surgery May 2013
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Engelbrecht, H. C.
Issued also as Thesis (Ph. D.)--Columbia University.
Bibliography: p. 203-214.
Bibliography: p. 203-214.
Externí odkaz:
http://catalog.hathitrust.org/api/volumes/oclc/2700476.html
Autor:
Engelbrecht, J. A. A., Sephton, B., Engelbrecht, H. A., Botha, J. R., Goosen, W. E., Minnaar, E. G., Lee, M. E., Henry, A.
Publikováno v:
Journal of Materials Science: Materials in Electronics; Oct2022, Vol. 33 Issue 28, p22492-22498, 7p
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 1970 Jul . 66(3), 844-849.
Externí odkaz:
https://www.jstor.org/stable/60250
Autor:
Engelbrecht, H. C.
Publikováno v:
The Annals of the American Academy of Political and Social Science, 1934 Jul 01. 174, 121-125.
Externí odkaz:
https://www.jstor.org/stable/1020525
Autor:
Engelbrecht, H. C.
Publikováno v:
The Annals of the American Academy of Political and Social Science, 1934 Sep 01. 175, 73-81.
Externí odkaz:
https://www.jstor.org/stable/1020699