 | Monter d'un niveau |
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.
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., 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., & 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
Grinberg, Y., Precup, D., & Gendreau, M. (décembre 2014). Optimizing energy production using policy search and predictive state representations [Communication écrite]. 28th Annual Conference on Neural Information Processing Systems 2014 (NIPS 2014), Montréal, Québec. Non disponible
Jafarpour, N., Izadi, M., Precup, D., & Buckeridge, D. L. (2015). Quantifying the determinants of outbreak detection performance through simulation and machine learning. Journal of Biomedical Informatics, 53, 180-187. 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
Weiss, M., Chamorro, S., Girgis, R., Luck, M., Kahou, S. E., Cohen, J. P., Nowrouzezahrai, D., Precup, D., Golemo, F., & Pal, C. J. (octobre 2019). Navigation agents for the visually impaired:a sidewalk simulator and experiments [Communication écrite]. Conference on Robot Learning (CoRL 2019), Osaka, Japan (14 pages). Publié dans Proceedings of Machine Learning Research, 100. Lien externe
Weiss, M., Chamorro, S., Girgis, R., Luck, M., Kahou, S., Cohen, J., Nowrouzezahrai, D., Precup, D., Golemo, F., & Pal, C. J. (2019). Sidewalk environment for visual navigation [Ensemble de données]. Lien externe
