Zugriff

    Zugriff prüfen

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Environment Adversarial Reinforcement Learning


    Beteiligte:

    Kongress:

    AIAA SCITECH 2024 Forum



    Erscheinungsdatum :

    01.01.2024




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Elektronische Ressource


    Sprache :

    Englisch




    CERTIFIED ADVERSARIAL ROBUSTNESS FOR DEEP REINFORCEMENT LEARNING

    LUETJENS BJOERN MALTE / EVERETT MICHAEL F / HOW JONATHAN P et al. | Europäisches Patentamt | 2021

    Freier Zugriff

    Learning Aircraft Pilot Skills by Adversarial Inverse Reinforcement Learning

    Suzuki, Kaito / Uemura, Tsuneharu / Tsuchiya, Takeshi et al. | Springer Verlag | 2024


    Modeling Driver Behavior using Adversarial Inverse Reinforcement Learning

    Sackmann, Moritz / Bey, Henrik / Hofmann, Ulrich et al. | IEEE | 2022


    Adversarial Proximal Policy Optimisation for Robust Reinforcement Learning

    Ince, Bilkan / Shin, Hyo-Sang / Tsourdos, Antonios | AIAA | 2024