Buchumschlag

Stochastic first-order methods for average-reward Markov decision processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Tianjiao, Wu, Feiyang, Lan, Guanghui
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Auto-conditioned primal-dual hybrid gradient method and alternating direction method of multipliers
von: Lan, Guanghui, et al.
Veröffentlicht: (2024)

Logarithmic regret bounds for continuous-time average-reward Markov decision processes
von: Gao, Xuefeng, et al.
Veröffentlicht: (2022)

A simple uniformly optimal method without line search for convex optimization
von: Li, Tianjiao, et al.
Veröffentlicht: (2023)

Projected gradient methods for nonconvex and stochastic smooth optimization: new complexities and auto-conditioned stepsizes
von: Lan, Guanghui, et al.
Veröffentlicht: (2024)

Accelerated stochastic approximation with state-dependent noise
von: Ilandarideva, Sasila, et al.
Veröffentlicht: (2023)

Stochastic Auto-conditioned Fast Gradient Methods with Optimal Rates
von: Ji, Yao, et al.
Veröffentlicht: (2026)

A safe exploration approach to constrained Markov decision processes
von: Ni, Tingting, et al.
Veröffentlicht: (2023)

Data-driven robust Markov decision processes on Borel spaces: performance guarantees via an axiomatic approach
von: Ramani, Sivaramakrishnan
Veröffentlicht: (2026)

Value Mirror Descent for Reinforcement Learning
von: Jia, Zhichao, et al.
Veröffentlicht: (2026)

Average-reward reinforcement learning in semi-Markov decision processes via relative value iteration
von: Yu, Huizhen, et al.
Veröffentlicht: (2025)

First-order methods for Stochastic Variational Inequality problems with Function Constraints
von: Boob, Digvijay, et al.
Veröffentlicht: (2023)

Can SGD Handle Heavy-Tailed Noise?
von: Fatkhullin, Ilyas, et al.
Veröffentlicht: (2025)

An adaptively inexact first-order method for bilevel optimization with application to hyperparameter learning
von: Salehi, Mohammad Sadegh, et al.
Veröffentlicht: (2023)

Toward generalizable learning of all (linear) first-order methods via memory augmented Transformers
von: Dutta, Sanchayan, et al.
Veröffentlicht: (2024)

Multiscale replay: A robust algorithm for stochastic variational inequalities with a Markovian buffer
von: Nakul, Milind, et al.
Veröffentlicht: (2026)

Universal Online Convex Optimization Meets Second-order Bounds
von: Zhang, Lijun, et al.
Veröffentlicht: (2021)

Projection-Free Functional Constrained Optimization for Risk Aversion and Sparsity Control
von: Cheng, Yi, et al.
Veröffentlicht: (2022)

Safe Reinforcement Learning for Constrained Markov Decision Processes with Stochastic Stopping Time
von: Mazumdar, Abhijit, et al.
Veröffentlicht: (2024)

Stochastic Zeroth order Descent with Structured Directions
von: Rando, Marco, et al.
Veröffentlicht: (2022)

One-Sided Matrix Completion from Ultra-Sparse Samples
von: Zhang, Hongyang R., et al.
Veröffentlicht: (2026)

End-to-End Training of High-Dimensional Optimal Control with Implicit Hamiltonians via Jacobian-Free Backpropagation
von: Gelphman, Eric, et al.
Veröffentlicht: (2025)

State evolution beyond first-order methods I: Rigorous predictions and finite-sample guarantees
von: Celentano, Michael, et al.
Veröffentlicht: (2025)

Adaptive Batch Size and Learning Rate Scheduler for Stochastic Gradient Descent Based on Minimization of Stochastic First-order Oracle Complexity
von: Umeda, Hikaru, et al.
Veröffentlicht: (2025)

Tight analyses of first-order methods with error feedback
von: Thomsen, Daniel Berg, et al.
Veröffentlicht: (2025)

Bregman Linearized Augmented Lagrangian Method for Nonconvex Constrained Stochastic Zeroth-order Optimization
von: Shi, Qiankun, et al.
Veröffentlicht: (2025)

Parameter Symmetry and Noise Equilibrium of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2024)

Risk-sensitive Markov Decision Process and Learning under General Utility Functions
von: Wu, Zhengqi, et al.
Veröffentlicht: (2023)

An accelerated first-order regularized momentum descent ascent algorithm for stochastic nonconvex-concave minimax problems
von: Zhang, Huiling, et al.
Veröffentlicht: (2023)

Robust stochastic first order methods in heavy-tailed noise via medoid mini-batch gradient sampling
von: Vukovic, Manojlo, et al.
Veröffentlicht: (2026)

Explicit and Non-asymptotic Query Complexities of Rank-Based Zeroth-order Algorithm on Stochastic Smooth Functions
von: Ye, Haishan
Veröffentlicht: (2025)

Markov decision processes: on the convergence of the Monte-Carlo first visit algorithm
von: Delattre, Sylvain, et al.
Veröffentlicht: (2025)

Stochastic Hessian Fittings with Lie Groups
von: Li, Xi-Lin
Veröffentlicht: (2024)

Optimal Asynchronous Stochastic Nonconvex Optimization under Heavy-Tailed Noise
von: Wu, Yidong, et al.
Veröffentlicht: (2026)

Adam with model exponential moving average is effective for nonconvex optimization
von: Ahn, Kwangjun, et al.
Veröffentlicht: (2024)

An Energy-Based Self-Adaptive Learning Rate for Stochastic Gradient Descent: Enhancing Unconstrained Optimization with VAV method
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

Soft decision trees for survival analysis
von: Consolo, Antonio, et al.
Veröffentlicht: (2025)

Asynchronous and Stochastic Distributed Resource Allocation
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Improved Learning Rates for Stochastic Optimization
von: Li, Shaojie, et al.
Veröffentlicht: (2021)

Stochastic-Constrained Stochastic Optimization with Markovian Data
von: Kim, Yeongjong, et al.
Veröffentlicht: (2023)

Robust Out-of-Distribution Stochastic Optimization
von: Li, Xianyu, et al.
Veröffentlicht: (2026)