Publication

Surprise-based model estimation in reinforcement learning: algorithms and brain signatures

Publications associées (94)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Surprise-based model estimation in reinforcement learning: algorithms and brain signatures

Graph Chatbot

Chattez avec Graph Search

Probabilistic inverse reinforcement learning in unknown environments

Reinforcement Learning Using a Continuous Time Actor-Critic Framework with Spiking Neurons

Autonomous reinforcement learning with experience replay

Transfer in Inverse Reinforcement Learning for Multiple Strategies

Transfer in Inverse Reinforcement Learning for Multiple Strategies

Cover Tree Bayesian Reinforcement Learning

Multi-round computation of type-threshold functions in collocated Gaussian networks

Perceptual learning, roving and the unsupervised bias

Sparse reward processes

Perceptual Learning, Roving, and Synaptic Drift

Autonomous reinforcement learning with experience replay

Probabilistic inverse reinforcement learning in unknown environments

Reinforcement Learning Using a Continuous Time Actor-Critic Framework with Spiking Neurons

Multi-round computation of type-threshold functions in collocated Gaussian networks

Transfer in Inverse Reinforcement Learning for Multiple Strategies

Perceptual learning, roving and the unsupervised bias

Transfer in Inverse Reinforcement Learning for Multiple Strategies

Cover Tree Bayesian Reinforcement Learning

Sparse reward processes

Perceptual Learning, Roving, and Synaptic Drift