Publication

CauseOccam: Learning Interpretable Abstract Representations in Reinforcement Learning Environments via Model Sparsity

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

Publications associées à CauseOccam: Learning Interpretable Abstract Representations in Reinforcement Learning Environments via Model Sparsity | EPFL Graph Search

CauseOccam: Learning Interpretable Abstract Representations in Reinforcement Learning Environments via Model Sparsity

Graph Chatbot

Chattez avec Graph Search

Few-shot Learning for Efficient and Effective Machine Learning Model Adaptation

Statistical Inference for Inverse Problems: From Sparsity-Based Methods to Neural Networks

Mitigating Object Dependencies: Improving Point Cloud Self-Supervised Learning through Object Exchange

Reduced Training Data for Laser Ultrasound Signal Interpretation by Neural Networks

InterpretCC: Intrinsic User-Centric Interpretability through Global Mixture of Experts

Predicting the long-term collective behaviour of fish pairs with deep learning

Partial discharge localization in power transformer tanks using machine learning methods

Multi-temporal forest monitoring in the Swiss Alps with knowledge-guided deep learning

Unveiling the complexity of learning and decision-making

Advancing Self-Supervised Deep Learning for 3D Scene Understanding