"Развитие алгоритмов обучения с подкреплением
1 Введение
Разработка новых алгоритмов глубокого обучения с подкреплением, которые могут эффективно решать самые разнообразные задачи, как правило, требует огромного количества ручных усилий. Обучение разработке алгоритмов обучения
подкреплению или даже небольших субкомпонентов алгоритмов поможет облегчить эту
нагрузку и может привести к созданию более совершенных алгоритмов, чем исследователи могли бы разработать вручную. Тогда наша работа может перейти
от разработки этих алгоритмов вручную к разработке языка и
методов оптимизации для автоматической разработки этих алгоритмов.
Алгоритмы обучения с подкреплением можно рассматривать как процедуру, которая сопоставляет опыт агента
с политикой, которая получает высокую совокупную награду в течение обучения..."

Sparse Single Sweep LiDAR Point Cloud Segmentation via Learning Contextual Shape Priors from Scene Completion

Новое исследование искусственного интеллекта, которое поможет предсказать потребности в ресурсах COVID-19 на основе серии рентгеновских снимков

'da vinci drawing of building with wings and insect legs'
GAN prompting
CLIP x BigGAN

Fixed-outline Floorplanning :Enabling Hierarchical Design | Планировка этажей с фиксированным контуром :Включение Иерархического проектирования

CLIP to guide BigGAN

"Player-AI Interaction: What Neural Network Games Reveal About AI as Play"

Neural Geometric Level of Detail:
Real-time Rendering with Implicit 3D Surfaces

Shelf-Supervised Mesh Prediction in the Wild

NeRF−−: Neural Radiance Fields Without Known

Natural Language YouTube Searcher
Поиск фрагментов в Youtube видео на основе CLIP (Contrastive Language-Image Pre-Training)

Искусственная среда как трансформация естественной

ShaRF: Shape-conditioned Radiance Fields from a Single View

Mastering Atari with Discrete World Models
"Глубокое обучение с подкреплением (RL) позволяет искусственным агентам со временем улучшать свои решения. Традиционные безмодельные подходы изучают, какие действия являются успешными в различных ситуациях, путем взаимодействия с окружающей средой с помощью большого количества проб и ошибок..."

Multiple Neighborhoods Cellular Automata

Encoding memory in tube diameter hierarchy of living flow network
Значимость
"Простым организмам удается процветать в сложных условиях. Память об окружающей среде - ключ к принятию обоснованных решений. Physarum polycephalum выделяется как гигантский одноклеточный эукариот, способный даже решать задачи оптимизации..."

Bio-inspired Approaches for Modular Robotics

Covariance Matrix Adaptation Evolution Strategy

Объявление о выпуске TensorFlow 3D, набора конвейеров обучения и оценки для современной трехмерной семантической сегментации, обнаружения объектов и сегментации экземпляров с поддержкой распределенного обучения.