Logowanie
Zarejestruj się
Zresetuj hasło
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Blog
Kontakt
Wyszukiwanie
EUR
USD
GBP
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
Journal of Artificial Intelligence and Soft Computing Research
Tom 13 (2023): Zeszyt 4 (October 2023)
Otwarty dostęp
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
oraz
Fernando Fernández
Fernando Fernández
| 30 paź 2023
Journal of Artificial Intelligence and Soft Computing Research
Tom 13 (2023): Zeszyt 4 (October 2023)
O artykule
Poprzedni artykuł
Następny artykuł
Abstrakt
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Data publikacji:
30 paź 2023
Zakres stron:
273 - 287
Otrzymano:
02 cze 2023
Przyjęty:
07 paź 2023
DOI:
https://doi.org/10.2478/jaiscr-2023-0019
Słowa kluczowe
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.