人工智能论文速递06.17

cs.AI 方向，今日共计11篇

[cs.AI]：

【1】 Effective problem solving using SAT solvers

标题：使用SAT求解器有效解决问题

作者： Curtis Bright, Vijay Ganesh

链接：https://arxiv.org/abs/1906.06251

【2】 Embedding Biomedical Ontologies by Jointly Encoding Network Structure and Textual Node Descriptors

标题：通过联合编码网络结构和文本节点描述符嵌入生物医学本体

作者： Sotiris Kotitsas, Marianna Apidianaki

备注：Proceedings of the 18th Workshop on Biomedical Natural Language Processing (BioNLP 2019) of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), Florence, Italy, 2019

链接：https://arxiv.org/abs/1906.05939

【3】 Provably Efficient $Q$-learning with Function Approximation via Distribution Shift Error Checking Oracle

标题：通过分布转移错误检查Oracle，具有函数逼近的高效$ Q $ -learning

作者： Simon S. Du, Hanrui Zhang

链接：https://arxiv.org/abs/1906.06321

【4】 Extensions of Generic DOL for Generic Ontology Design Patterns

标题：通用本体设计模式的通用DOL扩展

作者： Mihai Codescu, Till Mossakowski

链接：https://arxiv.org/abs/1906.06275

【5】 Epistemic Risk-Sensitive Reinforcement Learning

标题：认知风险敏感强化学习

作者： Hannes Eriksson, Christos Dimitrakakis

链接：https://arxiv.org/abs/1906.06273

【6】 Curriculum Learning for Cumulative Return Maximization

标题：累积回报最大化的课程学习

作者： Francesco Foglino, Matteo Leonetti

备注：Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI-19). arXiv admin note: text overlap with arXiv:1901.11478

链接：https://arxiv.org/abs/1906.06178

【7】 Direct Policy Gradients: Direct Optimization of Policies in Discrete Action Spaces

标题：直接政策梯度：离散行动空间中政策的直接优化

作者： Guy Lorberbom, Daniel Tarlow

链接：https://arxiv.org/abs/1906.06062

【8】 Dynamic Term-Modal Logics for Epistemic Planning

标题：认知规划的动态术语 - 模态逻辑

作者： Andreas Achen, Rasmus K. Rendsvig

链接：https://arxiv.org/abs/1906.06047

【9】 Early Detection of Long Term Evaluation Criteria in Online Controlled Experiments

标题：早期检测在线控制实验的长期评估标准

作者： Yoni Schamroth, David Steinberg

链接：https://arxiv.org/abs/1906.05959

【10】 Sub-policy Adaptation for Hierarchical Reinforcement Learning

标题：分层强化学习的子策略适应

作者： Alexander C. Li, Pieter Abbeel

备注：Contributed talk at the Workshop on Multi-Task and Lifelong Reinforcement Learning at ICML 2019

链接：https://arxiv.org/abs/1906.05862

【11】 Meta-Learning via Learned Loss

标题：通过学习损失进行元学习

作者： Yevgen Chebotar, Gaurav Sukhatme

链接：https://arxiv.org/abs/1906.05374

翻译：谷歌翻译