Zobrazeno 1 - 10 of 559 pro vyhledávání: '"Pirotta, M"'
1
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
4
Adversarial Attacks on Linear Contextual Bandits
Autor: Garcelon, E., Baptiste Rozière, Meunier, L., Tarbouriech, J., Teytaud, O., Lazaric, A., Pirotta, M.
Publikováno v: Scopus-Elsevier
Contextual bandit algorithms are applied in a wide range of domains, from advertising to recommender systems, from clinical trials to education. In many of these domains, malicious agents may have incentives to attack the bandit algorithm to induce i
Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7417c371dc0b6a9b8b6ac5cc564f32cd
http://arxiv.org/abs/2002.03839
Zobrazit plný text záznamu
5
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
8
Stochastic Variance-Reduced Policy Gradient
Autor: Matteo Papini, Binaghi, D., Canonaco, G., Pirotta, M., Restelli, M.
Publikováno v: ICML 2018-35th International Conference on Machine Learning
ICML 2018-35th International Conference on Machine Learning, Jul 2018, Stockholm, Sweden. pp.4026-4035
Scopus-Elsevier
International audience; In this paper, we propose a novel reinforcement-learning algorithm consisting in a stochastic variance-reduced version of policy gradient for solving Markov Decision Processes (MDPs). Stochastic variance-reduced gradient (SVRG
Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1cea91ed5a2617e381666dfd767b5cad
https://hal.inria.fr/hal-01940394/document
Zobrazit plný text záznamu
9
Efficient Bias-Span-Constrained Exploration-Exploitation in Reinforcement Learning
Autor: Fruit, R., Pirotta, M., Lazaric, A., Ronald Ortner
Publikováno v: ICML 2018-The 35th International Conference on Machine Learning
ICML 2018-The 35th International Conference on Machine Learning, Jul 2018, Stockholm, Sweden. pp.1578-1586
Scopus-Elsevier
International audience; We introduce SCAL, an algorithm designed to perform efficient exploration-exploitation in any unknown weakly-communicating Markov decision process (MDP) for which an upper bound $c$ on the span of the optimal bias function is
Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::93c12cb6236f966b8dadb4023b4a3d80
http://arxiv.org/abs/1802.04020
Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání

Omezení vyhledávání
Plný text Recenzováno Digitální knihovna AV ČR
Zdroje