Reinforcement Learning with Rare Significant Events: Direct Policy Search vs. Gradient Policy Search - Sorbonne Université Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Reinforcement Learning with Rare Significant Events: Direct Policy Search vs. Gradient Policy Search

Paul Ecoffet
  • Fonction : Auteur
  • PersonId : 1096041
Sorbonne Université
Nicolas Fontbonne
Sorbonne Université
Jean-Baptiste André
Institut Jean-Nicod
Nicolas Bredeche
Sorbonne Université

Domaines

Apprentissage [cs.LG] Intelligence artificielle [cs.AI] Réseau de neurones [cs.NE]
Fichier principal
Vignette du fichier
2021 - PPOCMA_GECCO2021_poster_cameraReady_rc3_CAMREADY.pdf (460.78 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Nicolas Bredeche  : Connectez-vous pour contacter le contributeur

https://hal.sorbonne-universite.fr/hal-03315728

Soumis le : jeudi 5 août 2021-17:20:41

Dernière modification le : vendredi 19 avril 2024-16:18:55

Archivage à long terme le : samedi 6 novembre 2021-18:41:34

Télécharger pour visualiser

Dates et versions

hal-03315728 , version 1 (05-08-2021)

Identifiants

  • HAL Id : hal-03315728 , version 1

Citer

Paul Ecoffet, Nicolas Fontbonne, Jean-Baptiste André, Nicolas Bredeche. Reinforcement Learning with Rare Significant Events: Direct Policy Search vs. Gradient Policy Search. Genetic and Evolutionary Computation Conference Companion, 2021, Lille (en ligne), France. ⟨hal-03315728⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

ENS-PARIS CNRS CDF EHESS DEC PSL SORBONNE-UNIVERSITE JEAN-NICOD
39 Consultations
69 Téléchargements

Partager

Gmail Facebook X LinkedIn More