Buchumschlag

Structural Estimation of Markov Decision Processes in High-Dimensional State Space with Finite-Time Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeng, Siliang, Hong, Mingyi, Garcia, Alfredo
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Artificial Intelligence Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Econometric vs. Causal Structure-Learning for Time-Series Policy Decisions: Evidence from the UK COVID-19 Policies
von: Petrungaro, Bruno, et al.
Veröffentlicht: (2026)

Statistical Tests for Replacing Human Decision Makers with Algorithms
von: Feng, Kai, et al.
Veröffentlicht: (2023)

Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework?
von: Schwarz, Philipp, et al.
Veröffentlicht: (2024)

Unveiling the Potential of Robustness in Selecting Conditional Average Treatment Effect Estimators
von: Huang, Yiyan, et al.
Veröffentlicht: (2024)

When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning
von: Zeng, Siliang, et al.
Veröffentlicht: (2023)

DeXposure-FM: A Time-series, Graph Foundation Model for Credit Exposures and Stability on Decentralized Financial Networks
von: Shu, Aijie, et al.
Veröffentlicht: (2026)

Multi-Band Variable-Lag Granger Causality: A Unified Framework for Causal Time Series Inference across Frequencies
von: Sookkongwaree, Chakattrai, et al.
Veröffentlicht: (2025)

LLM Personas as a Substitute for Field Experiments in Method Benchmarking
von: Kang, Enoch Hyunwook
Veröffentlicht: (2025)

Foundation Priors
von: Misra, Sanjog
Veröffentlicht: (2025)

Causal EpiNets: Precision-corrected Bounds on Individual Treatment Effects using Epistemic Neural Networks
von: Patil, Gandharv, et al.
Veröffentlicht: (2026)

Simulation-Based Benchmarking of Reinforcement Learning Agents for Personalized Retail Promotions
von: Xia, Yu, et al.
Veröffentlicht: (2024)

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice
von: Wang, Yingshuo, et al.
Veröffentlicht: (2026)

Semiparametric Preference Optimization: Your Language Model is Secretly a Single-Index Model
von: Kallus, Nathan
Veröffentlicht: (2025)

GDP nowcasting with artificial neural networks: How much does long-term memory matter?
von: Németh, Kristóf, et al.
Veröffentlicht: (2023)

Generating density nowcasts for U.S. GDP growth with deep learning: Bayes by Backprop and Monte Carlo dropout
von: Németh, Kristóf, et al.
Veröffentlicht: (2024)

A Hybrid Framework for Reinsurance Optimization: Integrating Generative Models and Reinforcement Learning
von: Dong, Stella C.
Veröffentlicht: (2025)

An Empirical Risk Minimization Approach for Offline Inverse RL and Dynamic Discrete Choice Model
von: Kang, Enoch H., et al.
Veröffentlicht: (2025)

How Well Do LLMs Predict Human Behavior? A Measure of their Pretrained Knowledge
von: Gao, Wayne, et al.
Veröffentlicht: (2026)

Model-Estimation-Free, Dense, and High Dimensional Consistent Precision Matrix Estimators
von: Stojnic, Mehmet Caner Agostino Capponi Mihailo
Veröffentlicht: (2025)

$ρ$-GNF: A Copula-based Sensitivity Analysis to Unobserved Confounding Using Normalizing Flows
von: Balgi, Sourabh, et al.
Veröffentlicht: (2022)

Towards Generalizing Inferences from Trials to Target Populations
von: Huang, Melody Y, et al.
Veröffentlicht: (2024)

Adaptive Experimental Design for Policy Learning
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Learning Causal Representations from General Environments: Identifiability and Intrinsic Ambiguity
von: Jin, Jikai, et al.
Veröffentlicht: (2023)

Selective Reviews of Bandit Problems in AI via a Statistical View
von: Zhou, Pengjie, et al.
Veröffentlicht: (2024)

Global Ease of Living Index: a machine learning framework for longitudinal analysis of major economies
von: Panat, Tanay, et al.
Veröffentlicht: (2025)

Learning from Double Positive and Unlabeled Data for Potential-Customer Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

From What Ifs to Insights: Counterfactuals in Causal Inference vs. Explainable AI
von: Shmueli, Galit, et al.
Veröffentlicht: (2025)

A Double Machine Learning Approach to Combining Experimental and Observational Data
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

Enhancing Preference-based Linear Bandits via Human Response Time
von: Li, Shen, et al.
Veröffentlicht: (2024)

On LASSO for High Dimensional Predictive Regression
von: Mei, Ziwei, et al.
Veröffentlicht: (2022)

High-Dimensional Tail Index Regression
von: Sasaki, Yuya, et al.
Veröffentlicht: (2024)

Causality Elicitation from Large Language Models
von: Kameyama, Takashi, et al.
Veröffentlicht: (2026)

Transformers Handle Endogeneity in In-Context Linear Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2024)

Differentially Private Two-Stage Gradient Descent for Instrumental Variable Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Monetary Policy Under Macroeconomic Uncertainty: Analyzing Tabular and Function Approximation Methods
von: Wang, Tony, et al.
Veröffentlicht: (2025)

What Is the Alignment Tax?
von: Young, Robin
Veröffentlicht: (2026)

Estimating the Value of Evidence-Based Decision Making
von: Abadie, Alberto, et al.
Veröffentlicht: (2023)

Bias-Reduced Estimation of Finite Mixtures: An Application to Latent Group Structures in Panel Data
von: Langevin, Raphaël
Veröffentlicht: (2026)

Testing Effect Homogeneity and Confounding in High-Dimensional Experimental and Observational Studies
von: Armendariz, Ana, et al.
Veröffentlicht: (2026)