刘桂良
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2023 [第16条] 孙香玉 , 奥利弗·舒尔特 , 刘桂良 , 帕斯卡·普帕特 :
NTS-NOTEARS:用先验知识学习非参数DBN。 AISTATS公司 2023 : 1942-1964 [第15条] 阿什什·高拉夫 , Kasra Rezaee公司 , 刘桂良 , 帕斯卡·普帕特 :
从受限专家演示中学习软约束。 ICLR公司 2023 [第14条] 刘桂良 , 罗玉东 , 阿什什·高拉夫 , Kasra Rezaee公司 , 帕斯卡·普帕特 :
反向强化学习中的基准约束推理。 ICLR公司 2023 [第13条] 罗玉东 , 刘桂良 , 帕斯卡·普帕特 , 潘阳晨 :
方差的另一种选择:风险规避政策梯度的基尼偏差。 NeurIPS公司 2023 [第12条] 乔冠仁 , 刘桂良 , 帕斯卡·普帕特 , 徐志强 :
从混合演示中学习多模态逆约束强化。 NeurIPS公司 2023 [i8] 张荣宇(音) , 池晓伟 , 刘桂良 , 张文一 , 袁杜 , 王芳欣 :
单模态训练-多模态预测:具有层次聚合的跨模态联合学习。 CoRR公司 abs/2303.15486 ( 2023 ) [i7] 罗玉东 , 刘桂良 , 帕斯卡·普帕特 , 潘阳晨 :
方差的另一种选择:风险规避政策梯度的基尼偏差。 CoRR公司 abs/2307.08873 ( 2023 ) 2022 [第11条] 刘桂良 , 阿舒托什·阿迪卡里 , 阿米尔·马苏德·法拉曼德 , 帕斯卡·普帕特 :
从文本中学习面向对象的规划动力学。 ICLR公司 2022 [第10条] 罗玉东 , 刘桂良 , 段浩南 , 奥利弗·舒尔特 , 帕斯卡·普帕特 :
单调样条函数的分布强化学习。 ICLR公司 2022 【c9】 刘桂良 , 罗玉东 , 奥利弗·舒尔特 , 帕斯卡·普帕特 :
体育比赛中风险敏感球员评价的不确定性强化学习。 NeurIPS公司 2022 [i6] 阿什什·高拉夫 , Kasra Rezaee公司 , 刘桂良 , 帕斯卡·普帕特 :
从受限专家演示中学习软约束。 CoRR公司 abs/2206.01311 ( 2022 ) [i5] 刘桂良 , 罗玉东 , 阿什什·高拉夫 , Kasra Rezaee公司 , 帕斯卡·普帕特 :
反向强化学习中的基准约束推理。 CoRR公司 abs/2206.09670 ( 2022 ) 2021 【c8】 刘桂良 , 孙香玉 , 奥利弗·舒尔特 , 帕斯卡·普帕特 :
基于对象表示的深度强化学习树解释。 NeurIPS公司 2021 : 19622-19636 [i4] 孙香玉 , 刘桂良 , 帕斯卡·普帕特 , 奥利弗·舒尔特 :
NTS-NOTEARS:利用时间序列数据和先验知识学习非参数时间DAG。 CoRR公司 abs/2109.04286 ( 2021 ) 2020 [j1] 刘桂良 , 罗玉东 , 奥利弗·舒尔特 , 塔拉克·卡拉特 :
深度足球分析:学习评估足球运动员的行动价值函数。 数据最小知识。 发现。 34 ( 5 ) : 1531-1559 ( 2020 ) 【c7】 孙香玉 , 杰克·戴维斯 , 奥利弗·舒尔特 , 刘桂良 :
破解黑箱:提炼深层体育分析。 KDD公司 2020 : 3154-3162 【c6】 刘桂良 , 奥利弗·舒尔特 , 帕斯卡·普帕特 , 迈克·拉德 , Mehrsan爪哇 :
冰球学习代理演示。 NeurIPS公司 2020 【c5】 刘桂良 , 徐丽 , 孙明明 , 李萍 :
一种用于开放信息提取的带置信度探索的优势参与者-关键算法。 传感和诊断模块 2020 : 217-225 【c4】 刘桂良 , 徐丽 , 王家康 , 孙明明 , 李萍 :
用蒙特卡罗树搜索从Web文本中提取知识。 万维网 2020 : 2585-2591 [i3] 孙香玉 , 杰克·戴维斯 , 奥利弗·舒尔特 , 刘桂良 :
破解黑箱:提炼深层体育分析。 CoRR公司 abs/2006.04551 ( 2020 )
2010 – 2019
2018 【c3】 刘桂良 , 奥利弗·舒尔特 :
冰上曲棍球深度强化学习,用于情境软件球员评估。 国际JCAI 2018 : 3442-3448 【c2】 刘桂良 , 王竹 , 奥利弗·舒尔特 :
解读深度体育分析:NHL中的行动和球员价值。 PKDD的MLSA /ECML公司 2018 : 69-81 【c1】 刘桂良 , 奥利弗·舒尔特 , 王竹 , 李清灿 :
利用线性模型U树实现可解释的深层强化学习。 ECML/PKDD(2) 2018 : 414-429 [i2] 刘桂良 , 奥利弗·舒尔特 :
冰上曲棍球深度强化学习,用于情境软件球员评估。 CoRR公司 abs/1805.11088 ( 2018 ) [i1] 刘桂良 , 奥利弗·舒尔特 , 王竹 , 李清灿 :
利用线性模型U树实现可解释的深层强化学习。 CoRR公司 abs/1807.05887 ( 2018 )
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)