项目主页:GitHub.
在过去的几年里，提高处理能力计算机器的发展导致了机器学习的进步。越来越多的算法利用并行性，依赖分布式训练来处理大量的数据…
瑞旺
王锐是优步人工智能的高级研究科学家。雷竞技是骗人的他热衷于推动机器学习和人工智能技术的发展，并将尖端技术与优步更广泛的业务和产品联系起来。他最近在Uber的工作发表在机器学习和人工智能领域的领先国际会议上(ICML、IJCAI、GECCO等)，获得了GECCO 2019年度最佳论文奖，并被Science、Wired、VentureBeat和Quanta杂志等技术媒体报道。
工程博客文章雷竞技到底好不好用
创建Atari演奏家的动物园，促进对深度加强学习的理解
这项研究是雷竞技是骗人的以谷歌大脑和Openai的合作者的宝贵帮助。
一系列培训代理人填充atari动物园。
AI最近的一些最令人兴奋的进步来自于深度加固领域…
诗人：通过配对的开放式开放式开放式开放式开放式开放式开放式开放式拓展环境及其解决方案无休止地生成越来越复杂和多样化的学习环境
杰夫·克伦和肯尼斯·o·斯坦利共同高级作者。
我们感兴趣开放性在优步AI实验室，因为它提供了为自己的机器学习产生多样化和不断扩大的课程的可能性。拥有巨大的数量…
vine：神经系的开源交互式数据可视化工具
在优步规模中，机器学习的进步可以显着增强动力更安全和更可靠的运输解决方案的技术。Uber AI Labs最近宣布的一个这样的提前是dEEP.neurovolution.，进化算法，如进化策略…
雷竞技是骗人的研究论文
通过超级血统的一阶预处理
T. Moskovitz，r .王,J. LAN.,S. Kapoor.,t . Miconi,j . Yosinski,A. rawal.
标准的梯度下降方法容易受到一系列问题的影响，可以阻碍训练，如高相关性和不同的尺度在参数空间。这些困难可以通过对梯度应用预处理矩阵来提高收敛性的二阶方法来解决。不幸的是，这种算法通常难以扩展到高维问题，部分原因是特定预处理程序(如逆Hessian或Fisher信息矩阵)的计算非常昂贵。我们引入了一阶预处理(FOP)，这是一种快速的、可扩展的方法，它概括了以往关于超梯度下降的工作(Almeida等，1998;Maclaurin等人，2015;Baydin et al.，2017)学习只使用一阶信息的预处理矩阵。[…][PDF]
神经信息处理系统会议（NeurlPS), 2019
标准的梯度下降方法容易受到一系列问题的影响，可以阻碍训练，如高相关性和不同的尺度在参数空间。这些困难可以通过对梯度应用预处理矩阵来提高收敛性的二阶方法来解决。不幸的是，这种算法通常难以扩展到高维问题，部分原因是特定预处理程序(如逆Hessian或Fisher信息矩阵)的计算非常昂贵。我们引入了一阶预处理(FOP)，这是一种快速的、可扩展的方法，它概括了以往关于超梯度下降的工作(Almeida等，1998;Maclaurin等人，2015;Baydin et al.，2017)学习只使用一阶信息的预处理矩阵。[…][PDF]
神经信息处理系统会议（NeurlPS), 2019
用深度确定性动态梯度估计Q(s,s’)
答:爱德华兹Himanshu萨尼,R. Liu.,J. Hung.,a . Jain,r .王,答:Ecoffet,t . Miconi,的时候,j . Yosinski
在本文中，我们引入了一种新的值函数形式Q(s,s ')，它表示了从一个状态s过渡到一个相邻的状态s '并在此之后发挥最优作用的效用。为了得到一个最优策略，我们开发了一个前进的动态模型，学习做出下一状态预测，使这个价值最大化。[…][PDF]
机器学习国际会议(ICML), 2020
在本文中，我们引入了一种新的值函数形式Q(s,s ')，它表示了从一个状态s过渡到一个相邻的状态s '并在此之后发挥最优作用的效用。为了得到一个最优策略，我们开发了一个前进的动态模型，学习做出下一状态预测，使这个价值最大化。[…][PDF]
机器学习国际会议(ICML), 2020
配对开放式开拓者(诗人):不断产生日益复杂和多样化的学习环境及其解决方案
r .王,J. Lehman.,Clune j .,k·斯坦利
虽然机器学习的历史到目前为止，研究人员和算法所带来的一系列问题，用于学习其解决方案的重要问题是，一个重要的问题是在算法时可以由算法同时生成问题。雷竞技是骗人的[…][PDF]
2019年
虽然机器学习的历史到目前为止，研究人员和算法所带来的一系列问题，用于学习其解决方案的重要问题是，一个重要的问题是在算法时可以由算法同时生成问题。雷竞技是骗人的[…][PDF]
2019年
用于分析、可视化和比较深度强化学习代理的雅达利模型动物园
f .这样,V. Madhavan.,R. Liu.,r .王，p. castro，y李舒伯特、贝勒梅尔、Clune j .,J. Lehman.
大量的人力和计算工作致力于提高深度强化学习算法在雅达利学习环境等基准上的表现。相对而言，较少的精力集中在理解通过这些方法学习到的东西，以及调查和比较不同家族的强化学习(RL)算法学习到的表示上。[…][PDF]
2018年
大量的人力和计算工作致力于提高深度强化学习算法在雅达利学习环境等基准上的表现。相对而言，较少的精力集中在理解通过这些方法学习到的东西，以及调查和比较不同家族的强化学习(RL)算法学习到的表示上。[…][PDF]
2018年
