Publication

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

Publications associées (58)

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

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

Graph Chatbot

Chattez avec Graph Search

The future of human-centric eXplainable Artificial Intelligence (XAI) is not post-hoc explanations

Causal Triplet: An Open Challenge for Intervention-centric Causal Representation Learning

Causal Influences over Social Learning Networks

Trusting the Explainers: Teacher Validation of Explainable Artificial Intelligence for Course Design

Distribution Inference Risks: Identifying and Mitigating Sources of Leakage

Exploiting Explanations to Detect Misclassifications of Deep Learning Models in Power Grid Visual Inspection

A deep learning method for the trajectory reconstruction of cosmic rays with the DAMPE mission

Predicting in Uncertain Environments: Methods for Robust Machine Learning

Financial Risk Management with Machine Learning

Algorithms for Efficient and Robust Distributed Deep Learning