MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Reinforcement Learning in Robotics
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 145 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 145 travaux dans la cohorte · sur 4 299 418page 1 sur 23

Les étiquettes couvrent 2 des 1 145 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 145 des 1 145 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Deep Reinforcement Learning That Matters
Peter Henderson, Riashat Islam, Philip Bachman, Joëlle Pineau, Doina Precup, David Meger
2018· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1 504
citations
affnon étiqueté
An Introduction to Deep Reinforcement Learning
Vincent François-Lavet, Peter Henderson, Riashat Islam, Marc G. Bellemare, Joëlle Pineau
2018· article· en· Foundations and Trends® in Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1 251
citations
afffundnon étiqueté
The Option-Critic Architecture
Pierre‐Luc Bacon, Jean Harb, Doina Precup
2017· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
695
citations
affsans résuménon étiqueté
Natural actor–critic algorithms
Shalabh Bhatnagar, Richard Sutton, Mohammad Ghavamzadeh, Mark Lee
2009· article· en· Automatica· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
569
citations
afffundnon étiqueté
Online Planning Algorithms for POMDPs
Stéphane Ross, Joëlle Pineau, S. Paquet, Brahim Chaib-draa
2008· article· en· Journal of Artificial Intelligence Research· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
515
citations
affnon étiqueté
Deep learning, reinforcement learning, and world models
Yutaka Matsuo, Yann LeCun, Maneesh Sahani, Doina Precup, David Silver, Masashi Sugiyama +2 autres
2022· review· en· Neural Networks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
493
citations
affsans résuménon étiqueté
A survey of point-based POMDP solvers
Guy Shani, Joëlle Pineau, Robert Kaplow
2012· article· en· Autonomous Agents and Multi-Agent Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
433
citations
afffundnon étiqueté
Catalyzing next-generation Artificial Intelligence through NeuroAI
Anthony M. Zador, G. Sean Escola, Blake A. Richards, Bence P. Ölveczky, Yoshua Bengio, Kwabena Boahen +21 autres
2023· review· en· Nature Communications· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
283
citations
affsans résuménon étiqueté
Learning Options in Reinforcement Learning
Martin Stolle, Doina Precup
2002· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
270
citations
affnon étiqueté
Model-Based Bayesian Exploration
Richard Dearden, Nir Friedman, David André
2013· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
235
citations
affnon étiqueté
Bayesian Reinforcement Learning: A Survey
Mohammed Ghavamzadeh, Shie Mannor, Joëlle Pineau, Aviv Tamar
2015· article· en· Foundations and Trends® in Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
223
citations
afffundnon étiqueté
The Option-Critic Architecture
Pierre‐Luc Bacon, Jean Harb, Doina Precup
2017· preprint· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
209
citations
affnon étiqueté
Opposition-Based Reinforcement Learning
Hamid R. Tizhoosh
2006· article· en· Journal of Advanced Computational Intelligence and Intelligent Informatics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
207
citations
affnon étiqueté
Imagination-Augmented Agents for Deep Reinforcement Learning
Sébastien Racanière, Théophane Weber, David Reichert, Lars Buesing, Arthur Guez, Danilo Jimenez Rezende +9 autres
2017· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
163
citations
affnon étiqueté
Bounded Finite State Controllers
Pascal Poupart, Craig Boutilier
2003· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
162
citations
affnon étiqueté
Incremental Natural Actor-Critic Algorithms
Shalabh Bhatnagar, Mohammad Ghavamzadeh, Mark Lee, Richard S. Sutton
2007· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
157
citations
affnon étiqueté
Fitted Q-iteration in continuous action-space MDPs
András Antos, Csaba Szepesvári, Rémi Munos
2007· article· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
149
citations
affnon étiqueté
Bayes-Adaptive POMDPs
Stéphane Ross, Brahim Chaib-draa, Joëlle Pineau
2007· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
112
citations
affnon étiqueté
Regularized Policy Iteration
Amir massoud Farahmand, Mohammad Ghavamzadeh, Shie Mannor, Csaba Szepesvári
2008· article· en· PolyPublie (École Polytechnique de Montréal)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
108
citations
afffundnon étiqueté
Multi-Step Reinforcement Learning: A Unifying Algorithm
Kristopher De Asis, Juan Hernandez-Garcia, Gerhard Holland, Richard S. Sutton
2018· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
107
citations

En coulisses: Sélection · Constats · À propos