Publikationen
- 2024
- Veröffentlicht
Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens durch ein bestärkendes Lernverfahren
Eimer, T. (Erfinder*in), Hutter, F. (Erfinder*in), Lindauer, M. (Erfinder*in) & Biedenkapp, A. (Erfinder*in), 4 Apr. 2024, IPC Nr. G06N20/00, Patent Nr. DE102022210480A1, 4 Okt. 2022, Prioritätsdatum 4 Okt. 2022, Prioritätsnr. DE202210210480APublikation: Schutzrecht/Patent › Patent
- Elektronisch veröffentlicht (E-Pub)
AutoML in the Age of Large Language Models: Current Challenges, Future Opportunities and Risks
Tornede, A., Deng, D., Eimer, T., Giovanelli, J., Mohan, A., Ruhkopf, T., Segel, S., Theodorakopoulos, D., Tornede, T., Wachsmuth, H. & Lindauer, M., 9 Feb. 2024, (Elektronisch veröffentlicht (E-Pub)) in: Transactions on Machine Learning Research.Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
- Elektronisch veröffentlicht (E-Pub)
ARLBench: Flexible and Efficient Benchmarking for Hyperparameter Optimization in Reinforcement Learning
Becktepe, J., Dierkes, J., Benjamins, C., Mohan, A., Salinas, D., Rajan, R., Hutter, F., Hoos, H., Lindauer, M. & Eimer, T., 2024, (Elektronisch veröffentlicht (E-Pub)) 17th European Workshop on Reinforcement Learning (EWRL 2024).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- 2023
- Veröffentlicht
Hyperparameters in Reinforcement Learning and How to Tune Them
Eimer, T., Lindauer, M. & Raileanu, R., 23 Juli 2023, ICML'23: Proceedings of the 40th International Conference on Machine Learning. S. 9104–9149 366Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- Elektronisch veröffentlicht (E-Pub)
Contextualize Me – The Case for Context in Reinforcement Learning
Benjamins, C., Eimer, T., Schubert, F. G., Mohan, A., Döhler, S., Biedenkapp, A., Rosenhahn, B., Hutter, F. & Lindauer, M., 5 Juni 2023, (Elektronisch veröffentlicht (E-Pub)) in: Transactions on Machine Learning Research. 2023, 6Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
- Elektronisch veröffentlicht (E-Pub)
Extended Abstract: Contextualize Me -- The Case for Context in Reinforcement Learning
Benjamins, C., Eimer, T., Schubert, F. G., Mohan, A., Döhler, S., Biedenkapp, A., Rosenhahn, B., Hutter, F. & Lindauer, M., 2023, (Elektronisch veröffentlicht (E-Pub)) The 16th European Workshop on Reinforcement Learning (EWRL 2023).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- Elektronisch veröffentlicht (E-Pub)
Extended Abstract: Hyperparameters in Reinforcement Learning and How To Tune Them
Eimer, T., Lindauer, M. & Raileanu, R., 2023, (Elektronisch veröffentlicht (E-Pub)) The 16th European Workshop on Reinforcement Learning (EWRL 2023).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- 2022
- Veröffentlicht
Automated Dynamic Algorithm Configuration
Adriaensen, S., Biedenkapp, A., Shala, G., Awad, N., Eimer, T., Lindauer, M. & Hutter, F., Dez. 2022, in: Journal of Artificial Intelligence Research. 75, S. 1633-1699 67 S.Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
- Veröffentlicht
Automated Reinforcement Learning (AutoRL): A Survey and Open Problems
Parker-Holder, J., Rajan, R., Song, X., Biedenkapp, A., Miao, Y., Eimer, T., Zhang, B., Nguyen, V., Calandra, R., Faust, A., Hutter, F. & Lindauer, M., 1 Juni 2022, in: Journal of Artificial Intelligence Research. 74, 74, S. 517-568 52 S.Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
- 2021
- Elektronisch veröffentlicht (E-Pub)
CARL: A Benchmark for Contextual and Adaptive Reinforcement Learning
Benjamins, C., Eimer, T., Schubert, F., Biedenkapp, A., Rosenhahn, B., Hutter, F. & Lindauer, M., 5 Okt. 2021, (Elektronisch veröffentlicht (E-Pub)) Workshop on Ecological Theory of Reinforcement Learning, NeurIPS 2021. 20 S.Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- Veröffentlicht
Self-Paced Context Evaluation for Contextual Reinforcement Learning
Eimer, T., Biedenkapp, A., Hutter, F. & Lindauer, M., 18 Juli 2021, Proceedings of the international conference on machine learning (ICML). ML Research Press, 14 S. (Proceedings of Machine Learning Research).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- Elektronisch veröffentlicht (E-Pub)
Automatic Risk Adaptation in Distributional Reinforcement Learning
Schubert, F., Eimer, T., Rosenhahn, B. & Lindauer, M., 11 Juni 2021, (Elektronisch veröffentlicht (E-Pub)) 14 S.Publikation: Arbeitspapier/Preprint › Preprint
- Veröffentlicht
DACBench: A Benchmark Library for Dynamic Algorithm Configuration
Eimer, T., Biedenkapp, A., Reimer, M., Adriaensen, S., Hutter, F. & Lindauer, M. T., 2021, Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence (IJCAI-21). Zhou, Z.-H. (Hrsg.). S. 1668-1674 7 S. (IJCAI International Joint Conference on Artificial Intelligence).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- Veröffentlicht
Hyperparameters in Contextual RL are Highly Situational
Eimer, T., Benjamins, C. & Lindauer, M. T., 2021, International Workshop on Ecological Theory of RL (at NeurIPS).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review
- 2020
- Veröffentlicht
Dynamic Algorithm Configuration: Foundation of a New Meta-Algorithmic Framework
Biedenkapp, A., Bozkurt, H. F., Eimer, T., Hutter, F. & Lindauer, M. T., 24 Aug. 2020, ECAI 2020 - 24th European Conference on Artificial Intelligence. De Giacomo, G., Catala, A., Dilkina, B., Milano, M., Barro, S., Bugarin, A. & Lang, J. (Hrsg.). S. 427-434 8 S. (Frontiers in Artificial Intelligence and Applications; Band 325).Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review