:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tuyen, Le Pham, Vien, Ngo Anh, Layek, Abu, Chung, TaeChoong
Format:	Preprint
Veröffentlicht:	2018
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/1805.04419
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recursively-Constrained Partially Observable Markov Decision Processes
von: Ho, Qi Heng, et al.
Veröffentlicht: (2023)

AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT
von: Le, An T., et al.
Veröffentlicht: (2026)

Pessimism in the Face of Confounders: Provably Efficient Offline Reinforcement Learning in Partially Observable Markov Decision Processes
von: Lu, Miao, et al.
Veröffentlicht: (2022)

Pseudo-Labeling and Contextual Curriculum Learning for Online Grasp Learning in Robotic Bin Picking
von: Le, Huy, et al.
Veröffentlicht: (2024)

Intermittently Observable Markov Decision Processes
von: Chen, Gongpu, et al.
Veröffentlicht: (2023)

Observation Adaptation via Annealed Importance Resampling for Partially Observable Markov Decision Processes
von: Zhang, Yunuo, et al.
Veröffentlicht: (2025)

Inferring Reward Machines and Transition Machines from Partially Observable Markov Decision Processes
von: Wu, Yuly, et al.
Veröffentlicht: (2025)

Optimal Control of Logically Constrained Partially Observable and Multi-Agent Markov Decision Processes
von: Kalagarla, Krishna C., et al.
Veröffentlicht: (2023)

Globally Optimal Hierarchical Reinforcement Learning for Linearly-Solvable Markov Decision Processes
von: Infante, Guillermo, et al.
Veröffentlicht: (2021)

Dynamic Deep-Reinforcement-Learning Algorithm in Partially Observable Markov Decision Processes
von: Omi, Saki, et al.
Veröffentlicht: (2023)

Recurrent Deep Reinforcement Learning for Chemotherapy Control under Partial Observability
von: Kiram, Firas Mohamed Elamine, et al.
Veröffentlicht: (2026)

Reinforcement Learning in Switching Non-Stationary Markov Decision Processes: Algorithms and Convergence Analysis
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

Learning Algorithms for Verification of Markov Decision Processes
von: Brázdil, Tomáš, et al.
Veröffentlicht: (2024)

Mitigating Partial Observability in Sequential Decision Processes via the Lambda Discrepancy
von: Allen, Cameron, et al.
Veröffentlicht: (2024)

Uncertainty-driven Exploration Strategies for Online Grasp Learning
von: Shi, Yitian, et al.
Veröffentlicht: (2023)

Uncertainty Representations in State-Space Layers for Deep Reinforcement Learning under Partial Observability
von: Luis, Carlos E., et al.
Veröffentlicht: (2024)

Zero-Shot Reinforcement Learning Under Partial Observability
von: Jeen, Scott, et al.
Veröffentlicht: (2025)

Equivariant Reinforcement Learning under Partial Observability
von: Nguyen, Hai, et al.
Veröffentlicht: (2024)

Near-Optimal Partially Observable Reinforcement Learning with Partial Online State Information
von: Shi, Ming, et al.
Veröffentlicht: (2023)

Diffusion-Augmented Markov Decision Processes for Maximum Entropy Reinforcement Learning
von: Sanokowski, Sebastian, et al.
Veröffentlicht: (2025)

Hierarchical Average-Reward Linearly-solvable Markov Decision Processes
von: Infante, Guillermo, et al.
Veröffentlicht: (2024)

Provable Representation with Efficient Planning for Partial Observable Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2023)

Provably Efficient Reward Transfer in Reinforcement Learning with Discrete Markov Decision Processes
von: Vora, Kevin, et al.
Veröffentlicht: (2025)

Robust Deep Reinforcement Learning for Inverter-based Volt-Var Control in Partially Observable Distribution Networks
von: Liu, Qiong, et al.
Veröffentlicht: (2024)

Multi-Step First: A Lightweight Deep Reinforcement Learning Strategy for Robust Continuous Control with Partial Observability
von: Meng, Lingheng, et al.
Veröffentlicht: (2022)

Why Linear Recurrent Memory Works in Partially Observable Reinforcement Learning
von: Zhao, Yike, et al.
Veröffentlicht: (2026)

Quantile Markov Decision Process
von: Li, Xiaocheng, et al.
Veröffentlicht: (2017)

Creativity and Markov Decision Processes
von: Lahikainen, Joonas, et al.
Veröffentlicht: (2024)

Policy Gradient Algorithms with Monte Carlo Tree Learning for Non-Markov Decision Processes
von: Morimura, Tetsuro, et al.
Veröffentlicht: (2022)

Semi-Markov Reinforcement Learning for City-Scale EV Ride-Hailing with Feasibility-Guaranteed Actions
von: Nguyen, An, et al.
Veröffentlicht: (2026)

Partially Observable Mean Field Multi-Agent Reinforcement Learning Based on Graph-Attention
von: Yang, Min, et al.
Veröffentlicht: (2023)

Information Seeking for Robust Decision Making under Partial Observability
von: Fang, Djengo Cyun-Jyun, et al.
Veröffentlicht: (2025)

Benchmarking Partial Observability in Reinforcement Learning with a Suite of Memory-Improvable Domains
von: Tao, Ruo Yu, et al.
Veröffentlicht: (2025)

Belief States for Cooperative Multi-Agent Reinforcement Learning under Partial Observability
von: Pritz, Paul J., et al.
Veröffentlicht: (2025)

On the Role of Information Structure in Reinforcement Learning for Partially-Observable Sequential Teams and Games
von: Altabaa, Awni, et al.
Veröffentlicht: (2024)

A Convolution and Attention Based Encoder for Reinforcement Learning under Partial Observability
von: Wang, Wuhao, et al.
Veröffentlicht: (2025)

Learning Interpretable Policies in Hindsight-Observable POMDPs through Partially Supervised Reinforcement Learning
von: Lanier, Michael, et al.
Veröffentlicht: (2024)

Counterfactual Influence in Markov Decision Processes
von: Kazemi, Milad, et al.
Veröffentlicht: (2024)

PIANIST: Learning Partially Observable World Models with LLMs for Multi-Agent Decision Making
von: Light, Jonathan, et al.
Veröffentlicht: (2024)

Learning to Focus: Prioritizing Informative Histories with Structured Attention Mechanisms in Partially Observable Reinforcement Learning
von: Allegue, Daniel De Dios, et al.
Veröffentlicht: (2025)