Zobrazeno 1 - 10
of 89
pro vyhledávání: '"Su, Xinyan"'
Rewards serve as a measure of user satisfaction and act as a limiting factor in interactive recommender systems. In this research, we focus on the problem of learning to reward (LTR), which is fundamental to reinforcement learning. Previous approache
Externí odkaz:
http://arxiv.org/abs/2310.19536
Survivor bias in observational data leads the optimization of recommender systems towards local optima. Currently most solutions re-mines existing human-system collaboration patterns to maximize longer-term satisfaction by reinforcement learning. How
Externí odkaz:
http://arxiv.org/abs/2310.19519
The identification of a seed set to maximize information spread in a network is crucial, a concept known as Influence Maximization (IM). Elegant IM algorithms could naturally extend to cases where each node is equipped with specific weight, referred
Externí odkaz:
http://arxiv.org/abs/2301.12226
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:
In Geoenergy Science and Engineering February 2023 221
Publikováno v:
Molecules; Nov2024, Vol. 29 Issue 21, p5055, 18p
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:
Dianzi Jishu Yingyong, Vol 47, Iss 3, Pp 102-105 (2021)
Aiming at the needs of miniaturized millimeter wave radar for large detection range and long-distance detection, a Ka-band series-parallel hybrid-fed microstrip array antenna is proposed. The antenna array adopts a modular design, and the beam width
Externí odkaz:
https://doaj.org/article/8f42a546732544de84e23af8c80c8ea4
Publikováno v:
In Tribology International May 2018 121:302-309
Autor:
Su, Xinyan, Zhang, Zhiheng
Influence Maximization (IM) is the task of selecting a fixed number of seed nodes in a given network to maximize dissemination benefits. Although the research for efficient algorithms has been dedicated recently, it is usually neglected to further ex
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2054518dcf1d390e76fdeb90b048e519