实体
Sanjeev Manivannan
Sanjeev Manivannan
PulseAugur coverage of Sanjeev Manivannan — every cluster mentioning Sanjeev Manivannan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的MP-MNCA框架加速空间转录组学分析
研究人员推出MP-MNCA，一个用于空间转录组学中高效空间域识别的新型框架。这种形态学先验掩码邻域交叉注意力方法在根据空间和组织学相似性路由分子信息的同时，保留了高维基因表示。与现有基线相比，MP-MNCA在多个脑组织切片上实现了更快的收敛到连贯的空间域结构，并达到了相当或更优的聚类质量。
-
新的二阶Actor-Critic方法加速强化学习
研究人员开发了一种新颖的二阶Actor-Critic方法，用于折扣马尔可夫决策过程（MDP）中的强化学习。该方法旨在通过利用策略Hessian的曲率信息来加速收敛，这与传统的二阶方法不同。所提出的技术在双时间尺度框架内采用Hessian-向量乘积计算，将Critic视为Actor更新过程中的准稳态，以提高计算效率和稳定性。
-
新强化学习方法利用策略Hessian加速收敛
研究人员开发了一种新颖的二阶Actor-Critic方法，用于折扣马尔可夫决策过程中的强化学习。该方法旨在通过整合策略Hessian的曲率信息来加速收敛，克服了二阶优化在强化学习中通常伴随的计算复杂性。该方法在一个双时间尺度框架内利用Hessian-向量乘积计算，将Critic视为准静态的，以便在Actor更新期间提高效率和稳定性。