Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • Nouvelles
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
  • Soutenez-nous
  • À propos
    • Notre histoire
    • CIFAR 40
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Répertoire du personnel
    • Équité, diversité et inclusion
  • en
  • Accueil
  • Bio

Suivez-nous

martha-white2

Martha White

La nomination

Membre du comité du programme national

Titulaire de chaire en IA Canada-CIFAR

Stratégie pancanadienne en matière d’IA

Connect

Université de l’Alberta

Google Scholar

À Propos

Martha White est titulaire d’une chaire en IA Canada-CIFAR, boursière à l’Amii et professeure agrégée au département d’informatique de l’Université de l’Alberta.

Ses recherches visent à faire progresser l’apprentissage des représentations en apprentissage par renforcement. Son principal objectif est de développer des techniques d’apprentissage à partir de flux de données à l’intention des agents autonomes adaptatifs. Elle se concentre sur les approches raisonnées d’optimisation pour l’apprentissage des représentations, en particulier les représentations éparses et les architectures récurrentes dans les domaines partiellement observables. Elle a également travaillé sur l’apprentissage par renforcement hors politique, qui permet l’apprentissage de nombreuses politiques différentes en parallèle à partir d’un seul flux d’interactions avec l’environnement.

Prix

  • Bourse d’études supérieures Alexander-Graham-Bell, CRSNG, 2012

Publications Pertinentes

  • Pan, Y., Banman, K., White, M. (2019). Fuzzy Tiling Activations: A Simple Approach to Learning Sparse Representations Online.
  • Pan, Y., Imani, E., White, M., Farahmand, A. M. (2020). An Implicit Function Learning Approach for Parametric Modal Regression.
  • Chandak, Y., Jordan, S. M., Theocharous, G., White, M., Thomas, P. S. (2020). Towards Safe Policy Improvement for Non-stationary MDPs.
  • Linke, C., Ady, N. M., White, M., Degris, T., White, A. (2020). « Adapting Behavior via Intrinsic Reward: A Survey and Empirical Study », Journal of Artificial Intelligence Research, 69:1287-1332.
  • Ghiassian, S., Patterson, A., Garg, S., Gupta, D., White, A., White, M. (2020). « Gradient temporal-difference learning with regularized corrections », International Conference on Machine Learning, PMLR 119:3524-3534.

institut

Amii

Université de l'Alberta

Département

Informatique

Éducation

  • Ph.D. (informatique), Université de l’Alberta

Pays

Canada

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Dons
CIFAR header logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2023 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus