「I.2.6」カテゴリーアーカイブ

Upside Down Reinforcement Learning with Policy Generators

投稿日: 2025年1月29日 作成者: jarxiv

要約 逆さまの補強学習（UDRL）は、コマンド条件付きポリシーの学習に焦点を当て … 続きを読む →

カテゴリー: 68T07, cs.AI, cs.LG, I.2.6 | Upside Down Reinforcement Learning with Policy Generators はコメントを受け付けていません

Upside Down Reinforcement Learning with Policy Generators

投稿日: 2025年1月28日 作成者: jarxiv

要約 逆さまの補強学習（UDRL）は、コマンド条件付きポリシーの学習に焦点を当て … 続きを読む →

カテゴリー: 68T07, cs.AI, cs.LG, I.2.6 | Upside Down Reinforcement Learning with Policy Generators はコメントを受け付けていません

A Recurrent Spiking Network with Hierarchical Intrinsic Excitability Modulation for Schema Learning

投稿日: 2025年1月27日 作成者: jarxiv

要約 転移学習を促進する構造化知識の形式であるスキーマは、神経科学と人工知能 ( … 続きを読む →

カテゴリー: cs.LG, cs.NE, I.2.6 | A Recurrent Spiking Network with Hierarchical Intrinsic Excitability Modulation for Schema Learning はコメントを受け付けていません

Learning more with the same effort: how randomization improves the robustness of a robotic deep reinforcement learning agent

投稿日: 2025年1月27日 作成者: jarxiv

要約 ディープ補強学習（DRL）の産業用途は、モデルのトレーニングに必要なエクス … 続きを読む →

カテゴリー: cs.AI, cs.RO, I.2.6 | Learning more with the same effort: how randomization improves the robustness of a robotic deep reinforcement learning agent はコメントを受け付けていません

Integrating Causality with Neurochaos Learning: Proposed Approach and Research Agenda

投稿日: 2025年1月24日 作成者: jarxiv

要約 ニューラルネットワークを介して実装されたディープラーニングは、オブジェクト … 続きを読む →

カテゴリー: cs.AI, cs.LG, I.2.6 | Integrating Causality with Neurochaos Learning: Proposed Approach and Research Agenda はコメントを受け付けていません

ReFactor GNNs: Revisiting Factorisation-based Models from a Message-Passing Perspective

投稿日: 2025年1月17日 作成者: jarxiv

要約 DistMult などの因数分解ベースのモデル (FM) は、ナレッジ グ … 続きを読む →

カテゴリー: 68T05, 68T07, 68T50, cs.AI, cs.CL, cs.LG, I.2.6 | ReFactor GNNs: Revisiting Factorisation-based Models from a Message-Passing Perspective はコメントを受け付けていません

SeMi: When Imbalanced Semi-Supervised Learning Meets Mining Hard Examples

投稿日: 2025年1月13日 作成者: jarxiv

要約 半教師あり学習 (SSL) では、豊富なラベルなしデータを活用してモデルの … 続きを読む →

カテゴリー: 68T05, cs.CV, I.2.6 | SeMi: When Imbalanced Semi-Supervised Learning Meets Mining Hard Examples はコメントを受け付けていません

GABAR: Graph Attention-Based Action Ranking for Relational Policy Learning

投稿日: 2025年1月9日 作成者: jarxiv

要約 私たちは、アクションのランク付けの学習に基づいて、古典的な計画のための関係 … 続きを読む →

カテゴリー: cs.LG, I.2.6 | GABAR: Graph Attention-Based Action Ranking for Relational Policy Learning はコメントを受け付けていません

Noise-Robust Target-Speaker Voice Activity Detection Through Self-Supervised Pretraining

投稿日: 2025年1月7日 作成者: jarxiv

要約 ターゲット話者の音声アクティビティ検出 (TS-VAD) は、オーディオ … 続きを読む →

カテゴリー: 68T10, cs.LG, cs.SD, eess.AS, I.2.6 | Noise-Robust Target-Speaker Voice Activity Detection Through Self-Supervised Pretraining はコメントを受け付けていません

LASSE: Learning Active Sampling for Storm Tide Extremes in Non-Stationary Climate Regimes

投稿日: 2025年1月7日 作成者: jarxiv

要約 リスク評価のために破壊的な高潮を引き起こす熱帯低気圧を、気候研究のための大 … 続きを読む →

カテゴリー: 86A08, cs.LG, I.2.6, physics.ao-ph, physics.geo-ph | LASSE: Learning Active Sampling for Storm Tide Extremes in Non-Stationary Climate Regimes はコメントを受け付けていません