Iterative Bounding MDPs: Learning Interpretable Policies via Non-Interpretable Methods
Iterative Bounding MDPs: Learning Interpretable Policies via Non-Interpretable Methods
复制标题
迭代边界 MDP：通过不可解释的方法学习可解释的策略
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Veloso, Manuela
中科院分区：
文献类型：
--
作者：
Topin, Nicholay;Milani, Stephanie;Fang, Fei;Veloso, Manuela
登录
查看更多内容
可解释性的必要条件：用反事实解释决策树预测
DOI：
10.1609/aaai.v33i01.330110035
发表时间：
2019
期刊：
Proceedings of the AAAI Conference on Artificial Intelligence
影响因子：
--
作者：
Sokol K
通讯作者：
Sokol K
通过奖励分解进行可解释的强化学习
DOI：
--
发表时间：
2019
期刊：
IJCAI/ECAI Workshop on Explainable Artificial Intelligence
影响因子：
--
作者：
Juozapaitis, Zoe;Koul, Anurag;Fern, Alan;Erwig, Martin;Doshi-Velez, Finale
通讯作者：
Doshi-Velez, Finale
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
M. Preda
通讯作者：
M. Preda
因子状态 MDP 中的高效结构学习
DOI：
--
发表时间：
2007
期刊：
AAAI Conference on Artificial Intelligence
影响因子：
--
作者：
Alexander L. Strehl;Carlos Diuk;M. Littman
通讯作者：
M. Littman
DOI：
10.1016/j.engappai.2018.09.007
发表时间：
2018-11-01
影响因子：
8
作者：
Hein, Daniel;Udluft, Steffen;Runkler, Thomas A.
通讯作者：
Runkler, Thomas A.