关键词algorithmic differences
搜索结果 - 2
- ActUp:分析和合并 tSNE 和 UMAP
本文通过对 tSNE 和 UMAP 算法中的参数空间进行理论和实证研究,发现仅有的一个参数 -- 规范化参数,可以在两个算法之间进行切换,而不会对嵌入产生任何影响。基于此,提出一种方法(ourmethod)结合 tSNE 和 UMAP 的技 - 基于模型的强化学习基准测试
本文为了推动模型基强化学习(Model-based Reinforcement Learning, MBRL)的研究,收集了大量 MBRL 算法,并提出了 18 个为 MBRL 特别设计的基准环境来评估这些算法,并探讨了 MBRL 算法之间