Maximum Entropy Model-based Reinforcement Learning

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

15 мая 2026 г.

В НИУ ВШЭ разрабатывают нейросеть для сферы науки и инноваций

Исследователи НИУ ВШЭ учат большие языковые модели понимать русскоязычную научную терминологию, увеличивая при этом их энергоэффективность. Адаптированная модель работает в 2,7 раза быстрее и требует на 73% меньше памяти, чем исходная открытая модель, что позволяет запускать ее на более доступном оборудовании. Программа прошла государственную регистрацию.

15 мая 2026 г.

Стартовал совместный спецпроект бренд-медиа Вышки IQ Media и iFORA ИСИЭЗ

В мае 2026 года стартовал научно-популярный проект «Искусственный интеллект: технологии, данные и будущее», который стал результатом работы двух команд — проекта iFORA Института статистических исследований и экономики знаний НИУ ВШЭ и редакции бренд-медиа IQMedia. Медийно-аналитический спецпроект посвящен современному развитию искусственного интеллекта и аналитике больших данных.

14 мая 2026 г.

<a>Ученые ФКН ВШЭ представили работы в сфере ИИ и биоинформатики на ICLR 2026

Ученые Института искусственного интеллекта и цифровых наук факультета компьютерных наук ВШЭи студенты трека «ИИ360: Инженерия искусственного интеллекта» бакалаврской программы «Прикладная математика и информатика» приняли участие в международной конференции ICLR — одном из самых авторитетных мировых форумов в области машинного обучения и представления данных. В этом году конференция состоялась в Рио-де-Жанейро (Бразилия).

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Maximum Entropy Model-based Reinforcement Learning

Свидченко О. А., Шпильман А. А.

Язык: английский

Ключевые слова: deep reinforcement learning

В книге

NeurIPS'2021 Deep Reinforcement Learning Workshop

[б.и.], 2021.

Learning-Based UAV–RIS Secure Communication Under Eavesdropper Location Uncertainty

Сулейман Э., Даюб А., , in: Proceedings of the 2026 8th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE).: IEEE, 2026. Ch. 165 P. 1–6.

Добавлено: 30 апреля 2026 г.

Optical stabilization for laser communication satellite systems through proportional–integral–derivative (PID) control and reinforcement learning approach

Бахшалиев Р. М., Reutov A., Vorobey S. и др., Review of Scientific Instruments 2025 Vol. 96 No. 3

Добавлено: 13 мая 2025 г.

Optimization of the Accelerator Control by Reinforcement Learning: A Simulation-Based Approach

Ибрахим А., Деркач Д. А., Petrenko A. и др., Physics of Particles and Nuclei 2025 Vol. 56 No. 6 P. 1476–1481

Добавлено: 16 марта 2025 г.

Adaptive Algorithm for Selecting the Optimal Trading Strategy Based on Reinforcement Learning for Managing a Hedge Fund

Belyakov B., Сизых Д. С., IEEE Access 2024 Vol. 12 P. 189047–189063

В управлении хедж-фондами способность динамически выбирать оптимальные торговые стратегии имеет первостепенное значение для максимизации доходности и снижения риска. В этой статье представлен новаторский подход, который интегрирует обучение с подкреплением (RL), в частности алгоритм оптимизации проксимальной политики (PPO), в процесс выбора стратегии для управления хедж-фондами. Наша модель рассматривает разнообразный спектр стратегий, включая возврат к среднему и ...

Добавлено: 15 января 2025 г.

Improving GFlowNets with Monte Carlo Tree Search

Морозов Н. В., Тяпкин Д. Н., Самсонов С. В. и др., , in: ICML 2024 Workshop on Structured Probabilistic Inference & Generative Modeling.: OpenReview, 2024.

Добавлено: 24 октября 2024 г.

When to Switch: Planning and Learning for Partially Observable Multi-Agent Pathfinding

Skrynnik A., Andreychuk A., Яковлев К. С. и др., IEEE Transactions on Neural Networks and Learning Systems 2024 Vol. 35 No. 12 P. 17411–17424

Добавлено: 4 декабря 2023 г.

Dealing With Sparse Rewards Using Graph Neural Networks

Gerasyov Matvey, Макаров И. А., IEEE Access 2023 Vol. 11 P. 89180–89187

Добавлено: 28 августа 2023 г.

Artificial Intelligence and Mathematical Models of Power Grids Driven by Renewable Energy Sources: A Survey

Сринивасан С., Kumarasamy S., Andreadakis Z. и др., Energies 2023 Vol. 16 No. 14 Article 5383

Добавлено: 17 июля 2023 г.

Self-Imitation Learning from Demonstrations

Иванов Д. И., Пшихачев Г. А., Егоров В. С. и др., , in: NeurIPS'2021 Deep Reinforcement Learning Workshop.: [б.и.], 2021.