Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
  Adaptive Reward-Poisoning Attacks against Reinforcement Learning

Zhang, X., Ma, Y., Singla, A., & Zhu, X. (2020). Adaptive Reward-Poisoning Attacks against Reinforcement Learning. In H. Daumé, & A. Singh (Eds.), Proceedings of the 37th International Conference on Machine Learning (pp. 11225-11234). MLResearchPress.

Item is

Basisdaten

einblenden: ausblenden:
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://proceedings.mlr.press/v119/zhang20u/zhang20u.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Zhang, Xuezhou1, Autor
Ma, Yuzhe1, Autor
Singla, Adish2, Autor                 
Zhu, Xiaojin1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Group A. Singla, Max Planck Institute for Software Systems, Max Planck Society, ou_2541698              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2020
 Publikationsstatus: Online veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: Zhang_ICML2020
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 37th International Conference on Machine Learning
Veranstaltungsort: Virtual Conference
Start-/Enddatum: 2020-07-13 - 2020-07-18

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Proceedings of the 37th International Conference on Machine Learning
  Kurztitel : ICML 2020
Genre der Quelle: Konferenzband
 Urheber:
Daumé, Hal1, Herausgeber
Singh, Aarti1, Herausgeber
Affiliations:
1 External Organizations, ou_persistent22            
Ort, Verlag, Ausgabe: MLResearchPress
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 11225 - 11234 Identifikator: -

Quelle 2

einblenden:
ausblenden:
Titel: Proceedings of Machine Learning Research
  Kurztitel : PMLR
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 119 Artikelnummer: - Start- / Endseite: - Identifikator: ISSN: 2640-3498