Connexion
S'inscrire
Réinitialiser le mot de passe
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Blog
Contact
Chercher
EUR
USD
GBP
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
Journal of Artificial Intelligence and Soft Computing Research
Édition 13 (2023): Edition 4 (October 2023)
Accès libre
Discrete Uncertainty Quantification For Offline Reinforcement Learning
José Luis Pérez
José Luis Pérez
,
Javier Corrochano
Javier Corrochano
,
Javier García
Javier García
,
Rubén Majadas
Rubén Majadas
,
Cristina Ibañez-Llano
Cristina Ibañez-Llano
,
Sergio Pérez
Sergio Pérez
et
Fernando Fernández
Fernando Fernández
| 30 oct. 2023
Journal of Artificial Intelligence and Soft Computing Research
Édition 13 (2023): Edition 4 (October 2023)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Publié en ligne:
30 oct. 2023
Pages:
273 - 287
Reçu:
02 juin 2023
Accepté:
07 oct. 2023
DOI:
https://doi.org/10.2478/jaiscr-2023-0019
Mots clés
Off-line Reinforcement Learning
,
uncertainty quantification
,
Machine Learning
© 2023 José Luis Pérez et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.