LEARNING
优于最大似然估计的基于模型与无模型学习风格分类方法
Yazdani S, Vahabie AH, Nadjar-Araabi B, Nili Ahmadabadi M
- 发表年份
- 2025
- 期刊
- Basic and clinical neuroscience
摘要
本文提出了一种优于传统最大似然估计的方法,用于区分机器人的基于模型和无模型学习风格。该方法通过更精确的统计推断,提升了学习风格分类的准确性和鲁棒性。
关键词
model-based learningmodel-free learningmaximum likelihood estimationlearning stylesrobotics
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026