| Dropout q-functions for doubly efficient reinforcement learning T Hiraoka, T Imagawa, T Hashimoto, T Onishi, Y Tsuruoka arXiv preprint arXiv:2110.02034, 2021 | 72 | 2021 |
| Learning robust options by conditional value at risk optimization T Hiraoka, T Imagawa, T Mori, T Onishi, Y Tsuruoka Advances in Neural Information Processing Systems 32, 2019 | 34 | 2019 |
| Meta-model-based meta-policy optimization T Hiraoka, T Imagawa, V Tangkaratt, T Osa, T Onishi, Y Tsuruoka Asian Conference on Machine Learning, 129-144, 2021 | 12 | 2021 |
| Enhancements in monte carlo tree search algorithms for biased game trees T Imagawa, T Kaneko 2015 IEEE Conference on Computational Intelligence and Games (CIG), 43-50, 2015 | 9 | 2015 |
| Off-policy meta-reinforcement learning with belief-based task inference T Imagawa, T Hiraoka, Y Tsuruoka IEEE Access 10, 49494-49507, 2022 | 8 | 2022 |
| Estimating the maximum expected value through upper confidence bound of likelihood T Imagaw, T Kaneko 2017 Conference on Technologies and Applications of Artificial Intelligence …, 2017 | 6 | 2017 |
| Optimistic proximal policy optimization T Imagawa, T Hiraoka, Y Tsuruoka arXiv preprint arXiv:1906.11075, 2019 | 5 | 2019 |
| Monte carlo tree search with robust exploration T Imagawa, T Kaneko Computers and Games: 9th International Conference, CG 2016, Leiden, The …, 2016 | 2 | 2016 |
| 難しさが手番で異なる局面でのモンテカルロ木探索の性能の改善 今川孝久， 金子知適 ゲームプログラミングワークショップ 2013 論文集, 162-169, 2013 | 2 | 2013 |
| Off-policy meta-reinforcement learning based on feature embedding spaces T Imagawa, T Hiraoka, Y Tsuruoka arXiv preprint arXiv:2101.01883, 2021 | 1 | 2021 |
| Refining manually-designed symbol grounding and high-level planning by policy gradients T Hiraoka, T Onishi, T Imagawa, Y Tsuruoka arXiv preprint arXiv:1810.00177, 2018 | 1 | 2018 |
| モンテカルロ木探索の改善に関する研究 今川孝久 情報処理学会 研究会推薦博士論文速報 https://www. ipsj. or. jp/magazine …, 2018 | 1 | 2018 |
| モンテカルロ木探索における状態価値の推定方法の改善 今川孝久， 金子知適 ゲームプログラミングワークショップ 2017 論文集 2017, 34-41, 2017 | 1 | 2017 |
| モンテカルロ木探索における子孫の勝敗確定時のプレイアウト結果の修正 今川孝久， 金子知適 ゲームプログラミングワークショップ 2016 論文集 2016, 13-20, 2016 | 1 | 2016 |
| Unsupervised Discovery of Continuous Skills on a Sphere T Imagawa, T Hiraoka, Y Tsuruoka arXiv preprint arXiv:2305.14377, 2023 | | 2023 |
| 難しさが手番で異なるゲームのモデル化とモンテカルロ木探索の性能の分析・改善 今川孝久， 金子知適 情報処理学会論文誌 55 (11), 2353-2361, 2014 | | 2014 |
| 多腕バンディットアルゴリズムの MCTS への応用と性能の分析 今川孝久， 金子知適 ゲームプログラミングワークショップ 2014 論文集 2014, 145-150, 2014 | | 2014 |
