Now showing items 1-3 of 3

  • Beyond the status quo in deep reinforcement learning 

    Agarwal, Rishabh (2024-05-22)
    L’apprentissage par renforcement profond (RL) a connu d’énormes progrès ces dernières années, mais il est encore difficile d’appliquer le RL aux problèmes de prise de décision du monde réel. Cette thèse identifie trois défis clés avec la façon dont ...
  • Building sample-efficient reinforcement learning 

    Schwarzer, Max Allen (2024-06-19)
    L’efficacité des données est un défi clé pour l’apprentissage par renforcement profond (DRL), limitant souvent son utilisation aux environnements où des quantités illimitées de données simulées sont disponibles. J’envisage une gamme de solutions pour ...
  • Small batch deep reinforcement learning 

    Obando-Ceron, Johan Samir (2023-12-20)
    Dans l'apprentissage par renforcement profond basé sur la valeur avec des mémoires de relecture, le paramètre de taille de lot joue un rôle crucial en déterminant le nombre de transitions échantillonnées pour chaque mise à jour de gradient. Étonnamment, ...