BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//jEvents 2.0 for Joomla//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
BEGIN:VEVENT
UID:9eq509a23qlb2u2ho91e8246ac@google.com
CATEGORIES:RTportal.ru
CREATED:20170606T092329
SUMMARY:Семинар "Структурные модели и глубинное обучение"
LOCATION:аудитория 615 ИППИ РАН  
DESCRIPTION;ENCODING=QUOTED-PRINTABLE:1830<br/> <br/>Докладчик: Максим Кретов (5vision)<br/> <br/>Тема: Intrinsic
 ally-motivated Reinforcement Learning<br/> <br/>Аннотация: В докладе будет 
 рассмотрена расширенная постановка задачи обучения с подкреплением, в котор
 ую введено понятие "внутренних" (intrinsic) наград или мотиваций для решени
 й агента. Данная постановка особенно актуальна для случаев, когда награда с
 реды за действие агента сильно отложена во времени (reward sparsity). Будут
  рассмотрены различные подходы к описанию ""внутренней мотивации"" (intrins
 ic motivation) агента, и разобран подход к обучению и мотивации через "взаи
 мную информацию" (mutual information). "Variational Information Maximisatio
 n for Intrinsically Motivated Reinforcement Learning"<br/> <br/>1930 <br/> 
 <br/>Докладчик: Михаил Павлов (5vision)<br/> <br/>Тема: Efficient Domain Ex
 ploration Methods for Reinforcement Learning<br/><br/>Аннотация: В докладе 
 рассматривается проблема исследования среды через подсчет числа посещенных 
 состояний (модель псевдо-подсчета состояний, pseudo counts) и установлена с
 вязь с обучением через "внутреннюю мотивацию" (intrinsic motivation) агента
 . Результаты продемонстрированы на примере игр Atari. "Unifying Count-Based
  Exploration and Intrinsic Motivation"<br/> <br/><a href="http://iitp.ru/ru
 /news/1988.htm">http://iitp.ru/ru/news/1988.htm</a> This event was imported
  from: https://rtportal.ru/index.php/kalendar-sobytij/eventdetail/141/-/sem
 inar-strukturnye-modeli-i-glubinnoe-obuchenie?tmpl=component
DTSTAMP:20260812T211047Z
DTSTART;TZID=Europe/Moscow:20161025T183000
DTEND;TZID=Europe/Moscow:20161025T210000
SEQUENCE:0
TRANSP:OPAQUE
END:VEVENT
END:VCALENDAR