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

Towards Verifiable, Generalizable and Efficient Robust Deep Neural Networks.

Deep Learning Methods for Socially-Aware Human Trajectory Forecasting

Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation

Stop Wasting my FLOPS: Improving the Efficiency of Deep Learning Models

Causal Discovery in Probabilistic Networks with an Identifiable Causal Effect

Auto-tuning deep forest for shear stiffness prediction of headed stud connectors

Causal modelling of heavy-tailed variables and confounders with application to river flow

Striatal dopamine explains novelty-induced behavioral dynamics and individual variability in threat prediction

Revisiting the General Identifiability Problem

Social NCE: Contrastive Learning of Socially-aware Motion Representations