Blättern nach Person
Ebene hoch |
Artikel
Tanneberg, Daniel ; Rueckert, Elmar ; Peters, Jan (2023)
Evolutionary training and abstraction yields algorithmic generalization of neural computers.
In: Nature Machine Intelligence, 2020, 2 (12)
doi: 10.26083/tuprints-00020535
Artikel, Zweitveröffentlichung, Postprint
Tanneberg, Daniel ; Peters, Jan ; Rueckert, Elmar (2022)
Intrinsic motivation and mental replay enable efficient online adaptation in stochastic recurrent networks.
In: Neural Networks, 109
doi: 10.26083/tuprints-00020537
Artikel, Zweitveröffentlichung, Postprint
Tanneberg, Daniel ; Ploeger, Kai ; Rueckert, Elmar ; Peters, Jan (2022)
SKID RAW: Skill Discovery From Raw Trajectories.
In: IEEE Robotics and Automation Letters, 6 (3)
doi: 10.26083/tuprints-00020536
Artikel, Zweitveröffentlichung, Postprint
Tanneberg, Daniel ; Peters, Jan ; Rueckert, Elmar (2019)
Intrinsic Motivation and Mental Replay enable Efficient Online Adaptation in Stochastic Recurrent Networks.
In: Neural Networks, 109
doi: 10.1016/j.neunet.2018.10.005
Artikel, Bibliographie
Rueckert, Elmar ; Kappel, David ; Tanneberg, Daniel ; Pecevski, Dejan ; Peters, Jan (2016)
Recurrent Spiking Networks Solve Planning Tasks.
In: Scientific Reports, 6 (21142)
Artikel, Bibliographie
Konferenzveröffentlichung
Tanneberg, Daniel ; Peters, Jan ; Rueckert, Elmar (2022)
Online Learning with Stochastic Recurrent Neural Networks using Intrinsic Motivation Signals.
CoRL2017 - Conference on Robot Learning 2017. Mountain View, California (13.-15.11.2017)
doi: 10.26083/tuprints-00020580
Konferenzveröffentlichung, Zweitveröffentlichung, Verlagsversion
Dissertation
Tanneberg, Daniel (2020)
Understand-Compute-Adapt: Neural Networks for Intelligent Agents.
Technische Universität Darmstadt
doi: 10.25534/tuprints-00017234
Dissertation, Erstveröffentlichung, Verlagsversion