continuous domains | BriefGPT

关键词continuous domains

搜索结果 - 9

连续不变性学习
通过提出连续不变性学习方法，我们在理论上证明了这种方法相较于现有的不变性学习方法具有优越性，并通过实证结果在合成和真实数据集上验证了其卓越的性能表现。
PDF9 months ago
跨领域顺序自编码器追求反事实公平性
通过引入名为 CDSAE 的创新框架，我们提出了一种有效地解决领域漂移和公平问题的方法，该方法通过同时分离环境信息、敏感属性和分类特征的嵌入表示来提高模型的泛化能力，验证结果表明，在持续领域的不断变化中，我们的方法能实现提高准确性并确保公平
PDF9 months ago
镜像扩散模型
通过镜像扩散模型 (Mirror Diffusion Models, MDMs) 向离散分类数据应用镜像 Langevin 算法，本文提出了对连续域进行解释的一种理论框架，并在图像和文本生成等领域进行了实证研究。
PDFa year ago
通过 CF 逼近空间表示域
本文探讨了利用 CF - 逼近空间表示域的表示方法，引入了 CF - 逼近空间和 CF - 闭集的概念，并且证明了在集合包含关系下，CF - 逼近空间中的 CF - 闭集族是连续域，每个连续域都同构于某个具有集合包含关系的 CF - 逼近空
PDF2 years ago
解决组合复杂度高的长视界深度强化学习任务的挑战
通过提出一系列机器人任务，不需要额外的专业探索便可解决的优化问题，研究发现标准强化学习方法往往由于折扣而忽视长期影响，而通用层次强化学习方法则需要额外的抽象领域知识。
PDF2 years ago
几何熵探索
本文介绍了通过 Geometric Entropy Maximisation (GEM) 算法，实现在离散和连续领域中最大化状态访问的 Shannon 熵的几何感知，以解决复杂的强化学习问题。该算法的优势在于可以很好地解决具有稀疏奖励的强化
PDF4 years ago
基于视觉感知的风险感知机器抓取的分位数 QT-Opt
本研究探讨利用分布式 Q-learning 算法的分布透视理论在连续状态空间下的应用，提出了一种新的基于分位数的 Q-learning 算法 Q2-Opt，成功应用于视觉机器人夹取任务，并探究了其风险扭曲函数，同时采用批量强化学习算法进行实
PDF5 years ago
连续强化学习中过拟合和泛化现象的剖析
本研究针对连续域深度强化学习方法中的过拟合问题进行了探讨，包括如何诊断及预防过拟合，增加训练多样性等，对强化学习领域的研究人员和实践者提出了实用观察。
PDF6 years ago
ICML连续领域多任务学习基准环境
本文描述了一个基于 OpenAI Gym 框架的可扩展任务基准集，并使用信任区域策略优化进行了简单的基准测试，旨在为在连续领域中的多任务学习、迁移学习和终身学习进行系统比较提供参考。
PDF7 years ago