Algorithmkontrolle: Effizientes Lernen, um Algorithmenparameter zu steuern

Projekt: Forschung

Status	Abgeschlossen
Tatsächlicher Beginn/ -es Ende	1 Okt. 2020 → 14 Sept. 2024

Instance Selection for Dynamic Algorithm Configuration with Reinforcement Learning: Improving Generalization
Benjamins, C., Cenikj, G., Nikolikj, A., Mohan, A., Eftimov, T. & Lindauer, M., 1 Aug. 2024, Genetic and Evolutionary Computation Conference (GECCO). Association for Computing Machinery Special Interest Group on Genetic and Evolutionary Computation (SIGEVO), S. 563 - 566 4 S.
Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens durch ein bestärkendes Lernverfahren
Eimer, T. (Erfinder*in), Hutter, F. (Erfinder*in), Lindauer, M. (Erfinder*in) & Biedenkapp, A. (Erfinder*in), 4 Apr. 2024, IPC Nr. G06N20/00, Deutsches Patent- und Markenamt (DPMA), Patent Nr. DE102022210480A1, 4 Okt. 2022, Prioritätsdatum 4 Okt. 2022, Prioritätsnr. DE202210210480A
Publikation: Schutzrecht/Patent › Patent

Open Access
POLTER: Policy Trajectory Ensemble Regularization for Unsupervised Reinforcement Learning
Schubert, F., Benjamins, C., Döhler, S., Rosenhahn, B. & Lindauer, M., Apr. 2023, in: Transactions on Machine Learning Research. 2023, 4
Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

Open Access

Projektdetails