Vincent Mai, Philippe Maisonneuve, Tianyu Zhang, Hadi Nekoei, Liam Paull et Antoine Lesage-Landry
Article de revue (2023)
Un lien externe est disponible pour ce document
| Matériel d'accompagnement: | |
|---|---|
| Département: | Département de génie électrique |
| Centre de recherche: | GERAD - Groupe d'études et de recherche en analyse des décisions |
| Organismes subventionnaires: | NSERC, Institut de Valorisation des Données, Microsoft Research, Samsung |
| URL de PolyPublie: | https://publications.polymtl.ca/56925/ |
| Titre de la revue: | Machine Learning (vol. 113) |
| Maison d'édition: | Springer |
| DOI: | 10.1007/s10994-023-06460-4 |
| URL officielle: | https://doi.org/10.1007/s10994-023-06460-4 |
| Date du dépôt: | 20 déc. 2023 11:33 |
| Dernière modification: | 01 mai 2026 14:56 |
| Citer en APA 7: | Mai, V., Maisonneuve, P., Zhang, T., Nekoei, H., Paull, L., & Lesage-Landry, A. (2023). Multi-agent reinforcement learning for fast-timescale demand response of residential loads. Machine Learning, 113, 5203-5234. https://doi.org/10.1007/s10994-023-06460-4 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
