Browsing Faculté des arts et des sciences – Département d'informatique et de recherche opérationnelle - Thèses et mémoires by Subject "Deep reinforcement learning"
Now showing items 1-5 of 5
-
Apprentissage de stratégies de calcul adaptatives pour les réseaux neuronaux profonds
(2023-11-01)La théorie du processus dual stipule que la cognition humaine fonctionne selon deux modes distincts : l’un pour le traitement rapide, habituel et associatif, appelé communément "système 1" et le second, ayant un traitement plus lent, délibéré et contrôlé, ... -
Beyond the status quo in deep reinforcement learning
(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 ... -
Learning and planning with noise in optimization and reinforcement learning
(2023-11-01)La plupart des algorithmes modernes d'apprentissage automatique intègrent un certain degré d'aléatoire dans leurs processus, que nous appellerons le bruit, qui peut finalement avoir un impact sur les prédictions du modèle. Dans cette thèse, nous ... -
Optimizing vertical farming : control and scheduling algorithms for enhanced plant growth
(2023-11-22)L’agriculture verticale permet de contrôler presque totalement les conditions pour croître des plantes, qu’il s’agisse des conditions météorologiques, des nutriments nécessaires à la croissance des plantes ou même de la lutte contre les parasites. ... -
Reinforcement learning applied to the real world : uncertainty, sample efficiency, and multi-agent coordination
(2023-06-19)L'immense potentiel des approches d'apprentissage par renforcement profond (ARP) pour la conception d'agents autonomes a été démontré à plusieurs reprises au cours de la dernière décennie. Son application à des agents physiques, tels que des robots ou ...