Feng, F., & Magliacane, S. (2023). Learning Dynamic Attribute-factored World Models for Efficient Multi-object Reinforcement Learning. In A. Oh, T. Naumann, A. Globerson, K. Saenko, M. Hardt, & S. Levine (Eds.), 37th Conference on Neural Information Processing Systems (NeurIPS 2023): 10-16 December 2023, New Orleans, Louisana, USA (Advances in Neural Information Processing Systems; Vol. 36). Neural Information Processing Systems Foundation. https://papers.nips.cc/paper_files/paper/2023/hash/3cc87f2bd3e3b4df8f9217326761c322-Abstract-Conference.html
Feng, F., Huang, B., Magliacane, S., & Zhang, K. (2023). Factored Adaptation for Non-Stationary Reinforcement Learning. In S. Koyejo, S. Mohamed, A. Agarwal, D. Belgrave, K. Cho, & A. Oh (Eds.), 36th Conference on Neural Information Processing Systems (NeurIPS 2022): New Orleans, Louisiana, USA, 28 November-9 December 2022 (Vol. 41, pp. 31957-31971). (Advances in Neural Information Processing Systems; Vol. 35). Neural Information Processing Systems Foundation. https://doi.org/10.48550/arXiv.2203.16582[details]
Huang, B., Feng, F., Lu, C., Magliacane, S., & Zhang, K. (2022). ADARL: WHAT, WHERE, AND HOW TO ADAPT IN TRANSFER REINFORCEMENT LEARNING. Paper presented at 10th International Conference on Learning Representations, ICLR 2022, Virtual, Online.
De UvA gebruikt cookies voor het meten, optimaliseren en goed laten functioneren van de website. Ook worden er cookies geplaatst om inhoud van derden te kunnen tonen en voor marketingdoeleinden. Klik op ‘Accepteren’ om akkoord te gaan met het plaatsen van alle cookies. Of kies voor ‘Weigeren’ om alleen functionele en analytische cookies te accepteren. Je kunt je voorkeur op ieder moment wijzigen door op de link ‘Cookie instellingen’ te klikken die je onderaan iedere pagina vindt. Lees ook het UvA Privacy statement.