Feature-Modell-geführtes Online Reinforcement Learning für Selbst-adaptive Systeme

Metzger, Andreas; Quinton, Clément; Mann, Zoltán; Baresi, Luciano; Pohl, Klaus

Autor(en):

Metzger, Andreas [DBLP] ;

Quinton, Clément [DBLP] ;

Mann, Zoltán [DBLP] ;

Baresi, Luciano [DBLP] ;

Pohl, Klaus [DBLP]

Zusammenfassung

Wir stellen Lernstrategien für selbst-adaptive Systeme vor, welche Feature-Modelle aus der Software-Produktentwicklung nutzen, um den Lernprozess zur Laufzeit zu beschleunigen.

Vollständige Referenz
BibTeX

Metzger, A., Quinton, C., Mann, Z., Baresi, L. & Pohl, K., (2021). Feature-Modell-geführtes Online Reinforcement Learning für Selbst-adaptive Systeme. In: Koziolek, A., Schaefer, I. & Seidl, C. (Hrsg.), Software Engineering 2021. Bonn: Gesellschaft für Informatik e.V.. (S. 75-76). DOI: 10.18420/SE2021_26

@inproceedings{mci/Metzger2021,
author = {Metzger, Andreas AND Quinton, Clément AND Mann, Zoltán AND Baresi, Luciano AND Pohl, Klaus},
title = {Feature-Modell-geführtes Online Reinforcement Learning für Selbst-adaptive Systeme},
booktitle = {Software Engineering 2021},
year = {2021},
editor = {Koziolek, Anne AND Schaefer, Ina AND Seidl, Christoph} ,
pages = { 75-76 } ,
doi = { 10.18420/SE2021_26 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}

	Dateien	Groesse	Format	Anzeige
	B1-25.pdf	141.9Kb	PDF	Öffnen

Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.18420/SE2021_26

Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken