Apprentissage par renforcement indirect dans les systèmes de classeurs
, 2004 National audienceLes systèmes de classeurs sont des systèmes à base de règles qui combinent une capacité d'apprentissage par renforcement et une capacité de généralisation.
Gérard, Pierre, Sigaud, Olivier
core
État de l'art des approches en apprentissage par renforcement multi-agent
En apprentissage par renforcement, un agent adapte son comportement afin de maximiser une récompense. Ces approches sont utilisées pour apprendre à un agent comment agir dans son environnement. D'importantes difficultés apparaissent lorsque l'on applique
Maisonhaute, Tiziano +2 more
core +2 more sources
Readiness for scale-up: lessons learned from the Public Health Agency of Canada's Innovation Strategy. [PDF]
Can J Public Health, 2021 Bradley Dexter S +5 more
europepmc +1 more source
Apprentissage par renforcement et jeux stochastiques à information incomplète
, 2005 Le but de notre travail est de permettre à des agents d'apprendre à coopérer. Chaque agent étant autonome et, forcément, différent des autres, c'est une tâche particulièrement difficile, surtout si les but des deux agents ne sont pas exactement les mêmes.
Aras, Raghav, Dutech, Alain
openaire +1 more source
[Second Soguipit Congress "emerging and re-emerging infectious diseases in Africa: governance, challenges and prospects". 13 - 14 October 2022, Conakry, Guinea]. [PDF]
Med Trop Sante Int, 2023 Sow MS +22 more
europepmc +1 more source
Apprentissage par Renforcement sans Modèle et avec Action Continue
, 2012 L'apprentissage par renforcement est souvent considéré comme une solution potentielle pour permettre à un robot de s'adapter en temps réel aux changements imprédictibles d'un environnement ; mais avec des actions continues, peu d'algorithmes existants sont utilisables pour un tel apprentissage temps réel.
Degris, Nicolas +2 more
openaire +1 more source
Apprentissage machine pour un système multi-robot autonome [PDF]
, 2008 Apprentissage machine : méthodes à explorer -- Besoin d'apprentissage -- Méthodes d'apprentissage -- Comportement adaptatif et l'apprentissage -- Théories de l'apprentissage par prédiction -- Réseau de neurones -- Apprentissage par la méthode de machine ...
Sadegh, Arash
core
Apprentissage par renforcement hiérarchique et factorisé
, 2010 Les méthodes d'apprentissage par renforcement factorisé et hiérarchique (HFRL) sont basées sur le formalisme des processus de décision markoviens factorisées (FMDP) et les MDP hiérarchiques (HMDP). Dans cette thèse, nous proposons une méthode de HFRL qui
KOZLOVA, Olga, SIGAUD, Olivier
core
Apprentissage par renforcement de PDM factorisés avec effets corrélés
, 2010 Nous nous intéressons au problème de l'apprentissage par renforcement dans les Processus de Décision Markoviens Factorisés, dans le cas où les effets des actions sur les variables sont corrélés et partiellement observables, tel que dans les représentations en Opérateurs STRIPS Probabilistes.
Lesner, Boris, Zanuttini, Bruno
openaire +1 more source