公平强化学习教程

本教程介绍了公平感知强化学习(Fairness-Aware Reinforcement Learning, FRL)的最新进展,包括理论结果和实际应用。我们将涵盖动机应用以及将公平目标纳入强化学习模型的技术细节,分析多目标优化中的公平性,并探索未来具有影响力的研究方向。

成为VIP会员查看完整内容
30

相关内容

【2023新书】贝叶斯优化实战,426页pdf
专知会员服务
113+阅读 · 2023年9月27日
【ST2020硬核课】深度学习即统计学习,50页ppt
专知会员服务
67+阅读 · 2020年8月17日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
129+阅读 · 2020年7月20日
【干货书】图形学基础,427页pdf
专知会员服务
151+阅读 · 2020年7月12日
【干货书】概率,统计与数据,513页pdf
专知
36+阅读 · 2021年11月27日
从入门到精通-Tensorflow深度强化学习课程
深度学习与NLP
23+阅读 · 2019年3月7日
国家自然科学基金
6+阅读 · 2017年6月30日
国家自然科学基金
15+阅读 · 2016年12月31日
国家自然科学基金
37+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
81+阅读 · 2023年3月26日
Arxiv
180+阅读 · 2023年3月24日
VIP会员
相关VIP内容
【2023新书】贝叶斯优化实战,426页pdf
专知会员服务
113+阅读 · 2023年9月27日
【ST2020硬核课】深度学习即统计学习,50页ppt
专知会员服务
67+阅读 · 2020年8月17日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
129+阅读 · 2020年7月20日
【干货书】图形学基础,427页pdf
专知会员服务
151+阅读 · 2020年7月12日
相关基金
国家自然科学基金
6+阅读 · 2017年6月30日
国家自然科学基金
15+阅读 · 2016年12月31日
国家自然科学基金
37+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员