Zobrazeno 1 - 10
of 123
pro vyhledávání: '"Wong, Annie P."'
Scaling up language models to billions of parameters has opened up possibilities for in-context learning, allowing instruction tuning and few-shot learning on tasks that the model was not specifically trained for. This has achieved breakthrough perfo
Externí odkaz:
http://arxiv.org/abs/2407.11511
Although deep reinforcement learning methods can learn effective policies for challenging problems such as Atari games and robotics tasks, algorithms are complex, and training times are often long. This study investigates how Evolution Strategies per
Externí odkaz:
http://arxiv.org/abs/2402.06912
This paper surveys the field of deep multiagent reinforcement learning. The combination of deep neural networks with reinforcement learning has gained increased traction in recent years and is slowly shifting the focus from single-agent to multiagent
Externí odkaz:
http://arxiv.org/abs/2106.15691
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:
Wong, Annie P. S.1 (AUTHOR) apsw.uw@gmail.com, Gilson, John2 (AUTHOR), Cabanes, Cécile3,4 (AUTHOR)
Publikováno v:
Earth System Science Data. 2023, Vol. 15 Issue 1, p383-393. 11p.
Publikováno v:
International Journal of Services and Standards; 2024, Vol. 14 Issue: 2 p114-125, 12p
Publikováno v:
Frontiers for Young Minds; 2023, p1-9, 9p
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.