Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10923/18606
Registro completo de metadatos
Campo DCValorIdioma
dc.contributor.authorLeonardo Rosa Amado-
dc.contributor.authorPereira, Ramon Fraga-
dc.contributor.authorFelipe Rech Meneguzzi-
dc.date.accessioned2021-09-29T14:16:23Z-
dc.date.available2021-09-29T14:16:23Z-
dc.date.issued2021-
dc.identifier.urihttps://hdl.handle.net/10923/18606-
dc.language.isoen-
dc.relation.ispartofProceedings of the 20th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 2021, Grã-Bretanha.-
dc.rightsopenAccess-
dc.subjectAutomated Planning-
dc.subjectDeep learning-
dc.subjectGoal Recognition-
dc.titleCombining LSTMs and Symbolic Approaches for Robust Plan Recognition-
dc.typeconferenceObject-
dc.date.updated2021-09-29T14:16:21Z-
Aparece en las colecciones:Apresentação em Evento

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Combining_LSTMs_and_Symbolic_Approaches_for_Robust_Plan_Recognition.pdf480,97 kBAdobe PDFAbrir
Ver


Todos los ítems en el Repositorio de la PUCRS están protegidos por derechos de autor, con todos los derechos reservados, y están bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional. Sepa más.