Jointly learning rewards and policies: an iterative Inverse Reinforcement Learning framework with…
联合学习奖励和策略：具有排序合成轨迹的迭代逆强化学习框架一种新颖的可处理和可解释算法，用于从专家演示中学习照片由 Andrea De Santis 在 Unsplash 上拍摄简介模仿学习最近在机器学习社区中引起了越来越多的关注，因为它能够通过观察到的行为将专家知识转移到自主代理。第一类算法是行为克隆 (BC)，旨在直接复制专家演示，将模仿过程视为监督学习任务，其中代理尝试匹配专家在给定状态下的行为。虽然 BC 简单且计算效率高，但它经常受到过度拟合和泛化能力差的影响。相比之下，逆强化学习 (IRL) 通过推断奖励函数来瞄准专家行为的潜在意图，该奖励函数可以解释专家的行为在考虑的环境中是最佳的
■概要 《欧盟人工智能法规》（以下简称《法规》）于2024年6月13日在《欧盟公报》上正式发布，并于同年8月1日生效。本文是该规则评论系列四篇文章中的第二篇。欧盟协调法（欧盟内部标准化产品安全标准等的法规）中列出的产品及其安全装置的人工智能系统，以及影响该法规中列出的人员的权利和安全的人工智能系统被称为高人工智能系统。风险人工智能系统并受到特殊法规的约束。 高风险人工智能系统必须满足的要求包括（1）建立风险管理系统，（2）数据治理，（3）创建技术文档并保存记录，（4）创建使用说明，以及（5）人类(6) 准确性和稳健性。本条例对各项具体措施作出了规定。 它还规定了高风险人工智能系统的供应商、进口
自注意力和掩蔽自注意力是 Transformers 取得巨大成功的核心。然而，我们对注意力的数学理解，特别是对其 Lipschitz 属性的理解（这是分析鲁棒性和表达能力的关键）并不完整。我们在几个实际场景中对自注意力的 Lipschitz 常数进行了详细研究，讨论了序列长度和层规范化对未掩蔽和掩蔽自注意力的局部 Lipschitz 常数的影响。特别是，我们表明，对于任何紧凑的 n 的输入...
Complex and Intelligent Systems, Volume 10, Issue 3, June 2024
1) 基于深度强化学习的小天体飞越自主成像调度网络作者：Hang Hu, Weiren Wu...Jihe Wang页数：3181 - 31952) 基于通信的恶意无人机群网络中关键无人机识别作者：Min Teng, Chao Gao...Xuelong Li页数：3197 - 32113) 通过特征细化、抑制和对齐提高对抗鲁棒性作者：Yulun Wu, Yanming Guo...Liang Bai页数：3213 - 32334) 基于知识转移的多目标方法用于查找多路径循环中的错误作者：Stuart D. Semujju, Fangqing Liu...Zhifeng Hao页数：3235
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗？我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开！\(\texttt{pip install banditpam}\)，您就可以开始了！与 \(k\)-means 问题一样，\(k\)-medoids 问题是一个聚类问题，我们的目标是将数据集划分为不相交的子集。然而，在 \(k\)-medoids 中，我们要求聚类中心必须是实际数据点，这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量，因此如果您使用 \(L_1\) 之类的度量，您的聚类可以对异常值更具鲁棒
