世界模型

Generative Modeling of Clinical Time Series via Latent Stochastic Differential Equations

通过潜在随机微分方程进行临床时间序列生成建模

Muhammad Aslanimoghanloo, Ahmed ElGazzar, Marcel van Gerven

机构 * Department of Machine Learning and Neural Computing, Donders Institute for Brain, Cognition and Behaviour, Radboud University（机器学习与神经计算系，多纳德斯脑认知行为研究所，拉德堡德大学） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于潜在神经随机微分方程的生成建模框架，用于处理临床时间序列数据中的不规则采样和不确定性，通过模拟和真实数据验证，实现了比传统方法更准确的预测和不确定性估计。

Few Shot System Identification for Reinforcement Learning

少样本系统识别用于强化学习

Karim Farid, Nourhan Sakr

机构 * Computer Science and Engineering Department（计算机科学与工程系） 纠错

专题命中 模型式强化学习 ：model-based RL(abstract)；分类 cs.RO

AI总结 本文提出了一种框架，通过学习动态条件于观测数据的概率分布，以提高强化学习中系统识别的鲁棒性和样本效率。