正在加载...
系统目前无法执行此操作,请稍后再试。
每年引用数
重复的引用
下面的文章将在学术搜索中合并。它们的
合并引用
次数只会计入第一篇文章。
合并的引用
此“引用引文的出版物数量”计数包含了对学术搜索中以下文章的引用次数。带有
*
标记的引文可能与个人学术档案中的文章有所区别。
添加合著者
合著作者
关注
此作者发表了新文章
有对此作者文章的新引用
有与此作者的研究工作相关的新文章
用于接收动态的电子邮件地址
完成
我的个人学术档案
我的图书馆
统计指标
快讯
设置
登录
登录
创建我的个人资料
引用次数
总计
2019 年至今
引用
34
34
h 指数
2
2
i10 指数
1
1
0
20
10
2023
2024
20
14
关注
Marc Höftmann
Technische Universität Dortmund
在 tu-dortmund.de 的电子邮件经过验证
Machine Learning
Deep Learning
Reinforcement Learning
文章
引用次数
标题
排序
按引用次数排序
按年份排序
按标题排序
引用次数
引用次数
年份
Transformer-based world models are happy with 100k interactions
J Robine, M Höftmann, T Uelwer, S Harmeling
arXiv preprint arXiv:2303.07109
, 2023
29
2023
Time-myopic go-explore: Learning a state representation for the go-explore paradigm
M Höftmann, J Robine, S Harmeling
arXiv preprint arXiv:2301.05635
, 2023
3
2023
A survey on self-supervised representation learning
T Uelwer, J Robine, SS Wagner, M Höftmann, E Upschulte, S Konietzny, ...
arXiv preprint arXiv:2308.11455
, 2023
2
2023
Backward Learning for Goal-Conditioned Policies
M Höftmann, J Robine, S Harmeling
arXiv preprint arXiv:2312.05044
, 2023
2023
A Simple Framework for Self-Supervised Learning of Sample-Efficient World Models
J Robine, M Höftmann, S Harmeling
Dyna 31 (16), 17-18
, 0
系统目前无法执行此操作,请稍后再试。
文章 1–5
展开
隐私权
条款
帮助
关于学术搜索
Google 搜索帮助