 | Monter d'un niveau |
Amir-Massoud FarahmandDépartement de génie informatique et génie logiciel
Voir sa fiche dans le Répertoire des Expertises de Polytechnique Montréal
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Abachi, R., Voelcker, C. A., Garg, A., & Farahmand, A.-M. (juillet 2022). VIPer : iterative value-aware model learning on the value improvement path [Communication écrite]. Decision Awareness in Reinforcement Learning Workshop (DARL 2022), Baltimore, MD, USA (10 pages). Lien externe
Akrout, M., Farahmand, A.-M., Jarmain, T., & Abid, L. (octobre 2019). Improving Skin Condition Classification with a Visual Symptom Checker Trained Using Reinforcement Learning [Communication écrite]. 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2019), Shenzhen, China. Lien externe
Azar, M. G., Ahmadabadi, M. N., Farahmand, A.-M., & Araabi, B. N. (juillet 2006). Learning to Coordinate Behaviors in Soft Behavior-Based Systems Using Reinforcement Learning [Communication écrite]. IEEE International Joint Conference on Neural Network Proceedings (IJCNN 2006), Vancouver, BC, Canada. Lien externe
Bedaywi, M., Rakhsha, A., & Farahmand, A.-M. (août 2024). PID accelerated temporal difference algorithms [Communication écrite]. Reinforcement Learning Conference (RLC 2024), Amherst, Massachusetts, USA (25 pages). Lien externe
Bedaywi, M., & Farahmand, A.-M. (juillet 2021). PID accelerated temporal difference algorithms [Communication écrite]. 38th International Conference on Machine Learning (ICML 2021), En ligne / Online. Lien externe
Benosman, M., Farahmand, A.-M., & Xia, M. (2019). Learning-based iterative modular adaptive control for nonlinear systems. International Journal of Adaptive Control and Signal Processing, 33(2), 335-355. Lien externe
Benosman, M., Farahmand, A.-M., & Xia, M. (juillet 2016). Learning-based modular indirect adaptive control for a class of nonlinear systems [Communication écrite]. American Control Conference (ACC 2016), Boston, MA, USA. Lien externe
Bagnell, J. A., & Farahmand, A.-M. (décembre 2015). Learning positive functions in a Hilbert Space [Communication écrite]. 8th NIPS Workshop on Optimization for Machine Learning (OPT 2015), Montreal, Qc, Canada (10 pages). Lien externe
Bachman, P., Farahmand, A.-M., & Precup, D. (juin 2014). Sample-based approximate regularization [Communication écrite]. 31st International Conference on Machine Learning (ICML 2014), Beijing, China (9 pages). Lien externe
Farahmand, A.-M. (décembre 2019). Value function in frequency domain and the characteristic value iteration algorithm [Communication écrite]. 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, BC, Canada (12 pages). Lien externe
Farahmand, A.-M. (décembre 2018). Iterative value-aware model learning [Communication écrite]. 32th Conference on Neural Information Processing Systems (NeurIPS 2018), Montreal, Qc, Canada (12 pages). Lien externe
Farahmand, A.-M., Nabi, S., & Nikovski, D. N. (mai 2017). Deep reinforcement learning for partial differential equation control [Communication écrite]. American Control Conference (ACC 2017), Seattle, WA, USA. Lien externe
Farahmand, A.-M., Pourazarm, S., & Nikovski, D. N. (décembre 2017). Random projection filter bank for time series data [Communication écrite]. 31st annual Conference on Neural Information Processing systsems (NeurIPS 2017), Long Beauch, CA, USA (11 pages). Lien externe
Farahmand, A.-M., Barreto, A. M., & Nikovski, D. N. (avril 2017). Value-aware loss function for model-based reinforcement learning [Communication écrite]. 20th International Conference on Artificial Intelligence and Statistics (AISTATS 2017), Fort Lauderdale, FL, USA. Lien externe
Farahmand, A.-M., Nabi, S., Grover, P., & Nikovski, D. N. (décembre 2016). Learning to control partial differential equations: Regularized Fitted Q-Iteration approach [Communication écrite]. 55th IEEE Conference on Decision and Control (CDC 2016), Las Vegas, NV, USA (8 pages). Lien externe
Farahmand, A.-M., Ghavamzadeh, M., Szepesvari, C., & Mannor, S. (2016). Regularized policy iteration with non parametric function spaces. Journal of Machine Learning Research, 17(139), 66 pages. Lien externe
Farahmand, A.-M., Nikovski, D. N., Igarashi, Y., & Konaka, H. (février 2016). Truncated approximate dynamic programming with task-dependent terminal value [Résumé]. 30th AAAI Conference on Artificial Intelligence (AAAI 2016), Phoenix, Arizona, USA. Lien externe
Farahmand, A.-M. (décembre 2016). Value-aware loss function for model-based reinforcement learning [Communication écrite]. 13th European Workshop on Reinforcement Learning (EWRL 2016), Barcelona, Spain (8 pages). Lien externe
Farahmand, A.-M., Precup, D., Barreto, A. M., & Ghavamzadeh, M. (2015). Classification-Based Approximate Policy Iteration. IEEE Transactions on Automatic Control, 60(11), 2989-2993. Lien externe
Fard, M. M., Grinberg, Y., Farahmand, A.-M., Pineau, J., & Precup, D. (décembre 2013). Bellman error based feature generation using random projections on sparse spaces [Communication écrite]. 27th Conference on Neural Information Processing Systems (NeurIPS 2013), Las Vegas, NV, USA (9 pages). Lien externe
Farahmand, A.-M., Precup, D., Barreto, A. M. S., & Ghavamzadeh, M. (octobre 2013). CAPI : generalized classification-based approximate policy iteration [Communication écrite]. Multi-Disciplinary Conference on Reinforcement Learning and Decision Making (RLDM 2013), Princeton, NJ, USA. Non disponible
Farahmand, A.-M. (décembre 2016). Iterative value-aware model learning [Présentation]. Dans 13th European Workshop on Reinforcement Learning (EWRL 2016), Barcelona, Spain. Non disponible
Farahmand, A.-M., & Szepesvári, C. (2012). Regularized least-squares regression: Learning from a β-mixing sequence. Journal of Statistical Planning and Inference, 142(2), 493-505. Lien externe
Farahmand, A.-M., & Precup, D. (décembre 2012). Value pursuit iteration [Communication écrite]. 26th annual Conference on Neural Information Processing Systems (NeurIPS 2012), Lake Tahoe, Nevada, USA (9 pages). Lien externe
Farahmand, A.-M. (décembre 2011). Action-Gap phenomenon in reinforcement learning [Communication écrite]. 25th annual Conference on Neural Information Processing Systems (NeurIPS 2011), Granada, Spain (9 pages). Lien externe
Farahmand, A.-M., & Szepesvári, C. (2011). Model selection in reinforcement learning. Machine Learning, 85(3), 299-332. Lien externe
Farahmand, A.-M. (2011). Regularization in reinforcement learning [Thèse de doctorat, University of Alberta]. Lien externe
Farahmand, A.-M., Szepesvari, C., & Munos, R. (décembre 2010). Error propagation for approximate policy and value iteration [Communication écrite]. 24th annual Conference on Neural Information Processing Systems (NeurIPS 2010), Vancouver, CB, Canada (9 pages). Lien externe
Farahmand, A.-M., Ahmadabadi, M. N., Lucas, C., & Araabi, B. N. (2010). Interaction of Culture-Based Learning and Cooperative Co-Evolution and its Application to Automatic Behavior-Based System Design. IEEE Transactions on Evolutionary Computation, 14(1), 23-57. Lien externe
Farahmand, A.-M., Shademan, A., Jägersand, M., & Szepesvári, C. (mai 2009). Model-based and model-free reinforcement learning for visual servoing [Communication écrite]. IEEE International Conference on Robotics and Automation, Kobe, Japan. Lien externe
Farahmand, A.-M., Ghavamzadeh, M., Szepesvári, C., & Mannor, S. (juin 2009). Regularized Fitted Q-Iteration for planning in continuous-space Markovian decision problems [Communication écrite]. American Control Conference (ACC 2009), St. Louis, MO, USA. Lien externe
Farahmand, A.-M., Ghavamzadeh, M., Szepesvári, C., & Mannor, S. (juin 2008). Regularized Fitted Q-Iteration: Application to Planning [Communication écrite]. 8th European Workshop on Recent Advances in Reinforcement Learning (EWRL 2008), Villeneuve d'Ascq, France. Lien externe
Farahmand, A.-M., Ghavamzadeh, M., Szepesvari, C., & Mannor, S. (décembre 2008). Regularized policy iteration [Communication écrite]. 22th annual Conference on Neural Information Processing Systems (NeurIPS 2008), Vancouver, CB, Canada (8 pages). Lien externe
Farahmand, A.-M., Shademan, A., & Jägersand, M. (octobre 2007). Global visual-motor estimation for uncalibrated visual servoing [Communication écrite]. IEEE/RSJ International Conference on Intelligent Robots and Systems, San Diego, CA, USA. Lien externe
Farahmand, A.-M., Szepesvári, C., & Audibert, J.-Y. (juin 2007). Manifold-adaptive dimension estimation [Communication écrite]. 24th international conference on Machine learning (ICML 2007), Corvalis, Oregon, USA. Lien externe
Farahmand, A.-M., & Yazdanpanah, M. J. (juillet 2006). Channel Assignment using Chaotic Simulated Annealing Enhanced Hopfield Neural Network [Communication écrite]. IEEE International Joint Conference on Neural Network Proceedings (IJCNN 2006), Vancouver, BC, Canada. Lien externe
Farahmand, A.-M. (2005). Learning and evolution in hierarchical behavior-based systems [Mémoire de maîtrise, University of Tehran]. Non disponible
Farahmand, A.-M. (2002). Calculating resonant frequencies of a metallic cavity using finite element method [Mémoire de maîtrise, K.N. Toosi University of Technology]. Non disponible
Farahmand, A.-M., Akhbari, R., & Tajvidi, M. (mars 2001). Evolving hidden Markov models [Communication écrite]. 4th Iranian Student Conference on Electrical Engineering (ISCEE 2001), Tehran, Iran. Non disponible
Farahmand, A.-M., & Mirmirani, E. (janvier 2000). Distributed genetic algorithms [Communication écrite]. 3rd Iranian Student Conference on Electrical Engineering (ISCEE 2000), Tehran, Iran. Non disponible
Hussing, M., Voelcker, C. A., Gilitschenski, I., Farahmand, A.-M., & Eaton, E. (août 2024). Dissecting Deep RL with high update ratios : combatting value divergence [Communication écrite]. Reinforcement Learning Conference (RLC 2024), Amherst, Massachusetts, USA (24 pages). Lien externe
Huang, D.-A., Farahmand, A.-M., Kitani, K. M., & Bagnell, J. A. (juin 2015). Approximate MaxEnt inverse optimal control [Communication écrite]. Reinforcement Learning and Decision Making (RLDM 2015), Edmonton, AB, CAnada (5 pages). Lien externe
Huang, D.-A., Farahmand, A.-M., Kitani, K. M., & Bagnell, J. A. (janvier 2015). Approximate maxent inverse optimal control and its application for mental simulation of human interactions [Résumé]. 29th AAAI Conference on Artificial Intelligence (AAAI 2015), Austin, Texas, USA. Lien externe
Kemertas, M., Farahmand, A.-M., & Jepson, A. D. (avril 2025). A truncated newton method for optimal transport [Communication écrite]. 13th International Conference on Learning Representations (ICLR 2025), Singapore, Singapore. Lien externe
Kastner, T., Erdogdu, M. A., & Farahmand, A.-M. (décembre 2023). Distributional model equivalence for risk-sensitive reinforcement learning [Communication écrite]. 37th Conference on Neural Information Processing Systems (NeurIPS 2023), New Orleans, Louisiana, USA (22 pages). Lien externe
Kim, B., Farahmand, A.-M., Pineau, J., & Precup, D. (octobre 2013). Approximate policy iteration with demonstrated data [Communication écrite]. Multi-Disciplinary Conference on Reinforcement Learning and Decision Making (RLDM 2013), Princeton, NJ, USA. Non disponible
Kim, B., Farahmand, A.-M., Pineau, J., & Precup, D. (décembre 2013). Learning from limited demonstration [Communication écrite]. 27th Conference on Neural Information Processing Systems (NeurIPS 2013), Las Vegas, NV, USA (9 pages). Lien externe
Liu, G., Adhikari, A. S., Farahmand, A.-M., & Poupart, P. (avril 2022). Learning object-oriented dynamics for planning form text [Affiche]. 10th International Conference on Learning Representations (ICLR 2022), En ligne / Online. Lien externe
Law, M. T., Snell, J., Farahmand, A.-M., Urtasun, R., & Zemel, R. S. (mai 2019). Dimensionality reduction for representing the knowledge of prababilistic models [Communication écrite]. 7th International Conference on Learning Representations (ICLR 2019), New Orleans, Louisiana (34 pages). Lien externe
Ma, A., Farahmand, A.-M., Pan, Y., Torr, P., & Gu, J. (septembre 2024). Improving Adversarial Transferability via Model Alignment [Communication écrite]. 18th European Conference on Computer Vision (ECCV 2024), Milan, Italy. Lien externe
Ma, A., Pan, Y., & Farahmand, A.-M. (2023). Understanding the robustness difference between stochastic gradient descent and adaptive gradient methods. Transactions on Machine Learning Research, 57 pages. Lien externe
Nikovski, D. N., Zhu, Y., & Farahmand, A.-M. (2020). Methods and systems for discovery of prognostic subsequences in time series. (Brevet no US10712733). Lien externe
Pirmorad, E., Mansouri, F., & Farahmand, A.-M. (décembre 2024). Deep reinforcement learning for online control of stochastic partial differenctial equations [Communication écrite]. 38th Conference on Neural Information Processing Systems (NeurIPS 2024), Vancouver, BC, Canada (6 pages). Lien externe
Pan, Y., Mei, J., Farahmand, A.-M., White, M., Yao, H., Rohani, M., & Luo, J. (août 2022). Understanding and mitigating the limitations of prioritized experience replay [Communication écrite]. 38th Conference on Uncertainty in Artificial Intelligence (UIA 2022), Eindhoven, The Netherlands. Lien externe
Pan, Y., Mei, J., & Farahmand, A.-M. (avril 2020). Frequency-based search-control in Dyna [Communication écrite]. 8th International Conference on Learning Representations (ICLR 2020), En ligne / Online (21 pages). Lien externe
Pan, Y., Imani, E., Farahmand, A.-M., & White, M. (décembre 2020). An implicit function learning approach for parametric modal regression [Communication écrite]. 34th Conference on Neural Information Processing Systems (NeurIPS 2020), En ligne / Online (11 pages). Lien externe
Pan, Y., Yao, H., Farahmand, A.-M., & White, M. (août 2019). Hill climbing on value estimates for search-control in Dyna [Communication écrite]. 28th International Joint Conference on Artificial Intelligence (IJCAI-19), Macao, China. Non disponible
Pan, Y., Farahmand, A.-M., White, M., Nabi, S., Gover, P., & Nikovski, D. (juillet 2018). Reinforcement learning with function-valued action spaces for partial differential equation control [Communication écrite]. 35th International Conference on Machine Learning (ICML 2018), Stockholm, Sweden. Lien externe
Pourazarm, S., Farahmand, A.-M., & Nikovski, D. N. (octobre 2017). Fault detection and prognosis of time series data with random projection filter bank [Communication écrite]. 9th annual Conference of the Prognostics and Health Management Society (PHM 2017), St. Petersburg, FL, USA (11 pages). Lien externe
Rakhsha, A., Kemertas, M., Ghavamzadeh, M., & Farahmand, A.-M. (mai 2024). Maximum entropy model correction in reinforcement learning [Présentation]. Dans 12th International Conference on Learning Representations (ICLR 2024), Vienna, Austria. Lien externe
Rakhsha, A., Wang, A., Ghavamzadeh, M., & Farahmand, A.-M. (décembre 2022). Operator splitting value iteration [Présentation]. Dans 37th annual Conference on Neural Information Processing Systems (NeurIPS 2022), New Orleans, Louisiana, USA (13 pages). Lien externe
Shademan, A., Farahmand, A.-M., & Jägersand, M. (mai 2010). Robust Jacobian estimation for uncalibrated visual servoing [Communication écrite]. IEEE International Conference on Robotics and Automation (ICRA 2010), Anchorage, AK, USA. Lien externe
Shademan, A., Farahmand, A.-M., & Jägersand, M. (mai 2009). Towards Learning Robotic Reaching and Pointing: An Uncalibrated Visual Servoing Approach [Communication écrite]. Canadian Conference on Computer and Robot Vision (CCRV 2009), Kelowna, BC, Canada. Lien externe
Voelcker, C. A., Kastner, T., Gilitschenski, I., & Farahmand, A.-M. (août 2024). When does self-prediction help? Understanding auxiliary tasks in reinforcement learning [Communication écrite]. Reinforcement Learning Conference (RLC 2024), Amherst, Massachusetts, USA (31 pages). Lien externe
Voelcker, C. A., Liao, V., Garg, A., & Farahmand, A.-M. (avril 2022). Value gradient weighted model-based reinforcement learning [Affiche]. 10th International Conference on Learning Representations (ICLR 2022), En ligne / Online. Lien externe
