Buchumschlag

Addressing Maximization Bias in Reinforcement Learning with Two-Sample Testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Waltz, Martin, Okhrin, Ostap
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-organized free-flight arrival for urban air mobility
von: Waltz, Martin, et al.
Veröffentlicht: (2024)

Ethics-Aware Safe Reinforcement Learning for Rare-Event Risk Control in Interactive Urban Driving
von: Li, Dianzhao, et al.
Veröffentlicht: (2025)

A Platform-Agnostic Deep Reinforcement Learning Framework for Effective Sim2Real Transfer towards Autonomous Driving
von: Li, Dianzhao, et al.
Veröffentlicht: (2023)

2-Level Reinforcement Learning for Ships on Inland Waterways: Path Planning and Following
von: Waltz, Martin, et al.
Veröffentlicht: (2023)

Two-step dynamic obstacle avoidance
von: Hart, Fabian, et al.
Veröffentlicht: (2023)

Vision-based DRL Autonomous Driving Agent with Sim2Real Transfer
von: Li, Dianzhao, et al.
Veröffentlicht: (2023)

An open-source framework for data-driven trajectory extraction from AIS data -- the $α$-method
von: Paulig, Niklas, et al.
Veröffentlicht: (2024)

Stagewise crop yield prediction with multisource functional indices
von: Jing Zou, et al.
Veröffentlicht: (2026)

Grafting: Making Random Forests Consistent
von: Waltz, Nicholas
Veröffentlicht: (2024)

Autonomous Driving Small-Scale Cars: A Survey of Recent Development
von: Li, Dianzhao, et al.
Veröffentlicht: (2024)

Dynamic tail risk forecasting: what do realized skewness and kurtosis add?
von: Gallo, Giampiero, et al.
Veröffentlicht: (2024)

Active Sequential Two-Sample Testing
von: Li, Weizhi, et al.
Veröffentlicht: (2023)

Addressing Rotational Learning Dynamics in Multi-Agent Reinforcement Learning
von: Sidahmed, Baraah A. M., et al.
Veröffentlicht: (2024)

MTA-RL: Robust Urban Driving via Multi-modal Transformer-based 3D Affordances and Reinforcement Learning
von: Chen, Guangli, et al.
Veröffentlicht: (2026)

Restricted Block Permutation for Two-Sample Testing
von: Ho, Jungwoo
Veröffentlicht: (2025)

Credal Two-Sample Tests of Epistemic Uncertainty
von: Chau, Siu Lun, et al.
Veröffentlicht: (2024)

Addressing Bias Through Ensemble Learning and Regularized Fine-Tuning
von: Radwan, Ahmed, et al.
Veröffentlicht: (2024)

Sample Selection Bias in Machine Learning for Healthcare
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2024)

Learning on One Mode: Addressing Multi-modality in Offline Reinforcement Learning
von: Wang, Mianchu, et al.
Veröffentlicht: (2024)

On the Reuse Bias in Off-Policy Reinforcement Learning
von: Ying, Chengyang, et al.
Veröffentlicht: (2022)

A Two-Sample Test of Text Generation Similarity
von: Xu, Jingbin, et al.
Veröffentlicht: (2025)

E-Valuating Classifier Two-Sample Tests
von: Pandeva, Teodora, et al.
Veröffentlicht: (2022)

Variable Selection for Kernel Two-Sample Tests
von: Wang, Jie, et al.
Veröffentlicht: (2023)

Test Where Decisions Matter: Importance-driven Testing for Deep Reinforcement Learning
von: Pranger, Stefan, et al.
Veröffentlicht: (2024)

A Practical Two-Stage Recipe for Mathematical LLMs: Maximizing Accuracy with SFT and Efficiency with Reinforcement Learning
von: Yoshihara, Hiroshi, et al.
Veröffentlicht: (2025)

Reducing Popularity Influence by Addressing Position Bias
von: Dzhoha, Andrii, et al.
Veröffentlicht: (2024)

General Frameworks for Conditional Two-Sample Testing
von: Lee, Seongchan, et al.
Veröffentlicht: (2024)

Kernel Two-Sample Tests for Manifold Data
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2021)

Advanced Tutorial: Label-Efficient Two-Sample Tests
von: Li, Weizhi, et al.
Veröffentlicht: (2025)

A Semi-Supervised Kernel Two-Sample Test
von: Lee, Gyumin, et al.
Veröffentlicht: (2026)

Addressing Spectral Bias of Deep Neural Networks by Multi-Grade Deep Learning
von: Fang, Ronglong, et al.
Veröffentlicht: (2024)

Understanding and Mitigating the Bias in Sample Selection for Learning with Noisy Labels
von: Wei, Qi, et al.
Veröffentlicht: (2024)

STAIR: Addressing Stage Misalignment through Temporal-Aligned Preference Reinforcement Learning
von: Luan, Yao, et al.
Veröffentlicht: (2025)

Controlling Underestimation Bias in Constrained Reinforcement Learning for Safe Exploration
von: Gao, Shiqing, et al.
Veröffentlicht: (2026)

Breaking the Bias Barrier in Concave Multi-Objective Reinforcement Learning
von: Ganesh, Swetha, et al.
Veröffentlicht: (2026)

Boosting the Power of Kernel Two-Sample Tests
von: Chatterjee, Anirban, et al.
Veröffentlicht: (2023)

One-Step Flow Q-Learning: Addressing the Diffusion Policy Bottleneck in Offline Reinforcement Learning
von: Nguyen, Thanh, et al.
Veröffentlicht: (2025)

AltNet: Addressing the Plasticity-Stability Dilemma in Reinforcement Learning
von: Maheshwari, Mansi, et al.
Veröffentlicht: (2025)

Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning
von: Behjati, Mehran, et al.
Veröffentlicht: (2025)

Addressing Selection Bias in Computerized Adaptive Testing: A User-Wise Aggregate Influence Function Approach
von: Kwon, Soonwoo, et al.
Veröffentlicht: (2023)