Documents dont l'auteur est "Pan, Yangchen"
Monter d'un niveau
Aide
Ce 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.
Aide
Un 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.
Auteur ou autrice
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. (février 2025). PANDAS: Improving Many-shot Jailbreaking via Positive Affirmation, Negative Demonstration, and Adaptive Sampling [Communication écrite]. 42nd International Conference on Machine Learning (PMLR 2025), Vancouver, BC, Canada. 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
Zhao, X., Pan, Y., Xiao, C., Anbil Parthipan, S. C., & Rajendran, J. (juillet 2023). Conditionally Optimistic Exploration for Cooperative Deep Multi-Agent Reinforcement Learning [Communication écrite]. 39th Conference on Uncertainty in Artificial Intelligence (UAI 2023), Pittsburgh, PA, USA. 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., 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., 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., 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