Zobrazeno 1 - 10
of 39
pro vyhledávání: '"Nierhoff, Thomas"'
Publikováno v:
International Conference on Learning Representations (ICLR 2022)
We introduce Synthetic Environments (SEs) and Reward Networks (RNs), represented by neural networks, as proxy environment models for training Reinforcement Learning (RL) agents. We show that an agent, after being trained exclusively on the SE, is abl
Externí odkaz:
http://arxiv.org/abs/2202.02790
Autor:
Liu, Zhengying, Pavao, Adrien, Xu, Zhen, Escalera, Sergio, Ferreira, Fabio, Guyon, Isabelle, Hong, Sirui, Hutter, Frank, Ji, Rongrong, Junior, Julio C. S. Jacques, Li, Ge, Lindauer, Marius, Luo, Zhipeng, Madadi, Meysam, Nierhoff, Thomas, Niu, Kangning, Pan, Chunguang, Stoll, Danny, Treguer, Sebastien, Wang, Jin, Wang, Peng, Wu, Chenglin, Xiong, Youcheng, Zela, Arbe r, Zhang, Yang
Publikováno v:
IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI) 2021
This paper reports the results and post-challenge analyses of ChaLearn's AutoDL challenge series, which helped sorting out a profusion of AutoML solutions for Deep Learning (DL) that had been introduced in a variety of settings, but lacked fair compa
Externí odkaz:
http://arxiv.org/abs/2201.03801
Publikováno v:
AAAI 2021 Meta-Learning Workshop
This work explores learning agent-agnostic synthetic environments (SEs) for Reinforcement Learning. SEs act as a proxy for target environments and allow agents to be trained more efficiently than when directly trained on the target environment. We fo
Externí odkaz:
http://arxiv.org/abs/2101.09721
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:
Nierhoff, Thomas
This dissertation presents a computationally efficient approach to reproduce and modify a given motion with a robot, an important topic with application domains ranging from healthcare to the service sector. Both local motion features and additional
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______518::4a84d175abec193d6b2a0c8cd46684ea
https://mediatum.ub.tum.de/1238415
https://mediatum.ub.tum.de/1238415
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.
Publikováno v:
2015 54th IEEE Conference on Decision & Control (CDC); 1/1/2015, p822-828, 7p
Publikováno v:
2014 IEEE/RSJ International Conference on Intelligent Robots & Systems; 2014, p3012-3018, 7p