KAUFMANN Emilie

< Retour à ILB Patrimoine
Affiliations
  • 2015 - 2020
    Séquential learning
  • 2020 - 2021
    Centrale Lille Institut
  • 2015 - 2020
    Centre de recherche en informatique, signal et automatique de Lille
  • 2017 - 2018
    Manouba University
  • 2012 - 2014
    Télécom ParisTech
  • 2012 - 2016
    Laboratoire traitement et communication de l'information
  • 2013 - 2014
    Informatique, telecommunications et electronique de paris
  • 2012 - 2013
    Laboratoire traitement du signal et de l'image
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2014
  • 2013
  • Une approche basée sur les noyaux pour l'apprentissage par renforcement non stationnaire dans les espaces métriques.

    Omar DOMINGUES, Pierre MENARD, Matteo PIROTTA, Emilie KAUFMANN, Michal VALKO
    International Conference on Artificial Intelligence and Statistics | 2021
    Dans ce travail, nous proposons KeRNS : un algorithme pour l'apprentissage par renforcement épisodique dans les processus de décision de Markov (PDM) non stationnaires dont l'ensemble état-action est doté d'une métrique. En utilisant un modèle non-paramétrique du MDP construit avec des noyaux dépendant du temps, nous prouvons une limite de regret qui s'échelonne avec la dimension de recouvrement de l'espace des actions d'état et la variation totale du MDP avec le temps, qui quantifie son niveau de non-stationnarité. Notre méthode généralise les approches précédentes basées sur les fenêtres glissantes et l'actualisation exponentielle utilisées pour gérer les environnements changeants. Nous proposons ensuite une implémentation pratique de KeRNS, nous analysons son regret et le validons expérimentalement.
Les affiliations sont détectées à partir des signatures des publications identifiées dans scanR. Un auteur peut donc apparaître affilié à plusieurs structures ou tutelles en fonction de ces signatures. Les dates affichées correspondent seulement aux dates des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr