Buchumschlag

Bayesian Learning of Optimal Policies in Markov Decision Processes with Countably Infinite State-Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adler, Saghar, Subramanian, Vijay
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Admit Optimally in an $M/M/k/k+N$ Queueing System with Unknown Service Rate
von: Adler, Saghar, et al.
Veröffentlicht: (2022)

An Offline Risk-aware Policy Selection Method for Bayesian Markov Decision Processes
von: Angelotti, Giorgio, et al.
Veröffentlicht: (2021)

On the Global Convergence of Policy Gradient in Average Reward Markov Decision Processes
von: Kumar, Navdeep, et al.
Veröffentlicht: (2024)

Conformal Off-Policy Evaluation in Markov Decision Processes
von: Foffano, Daniele, et al.
Veröffentlicht: (2023)

Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
von: Choi, Jimin, et al.
Veröffentlicht: (2025)

Online Reinforcement Learning in Markov Decision Process Using Linear Programming
von: Leon, Vincent, et al.
Veröffentlicht: (2023)

Concentration of Cumulative Reward in Markov Decision Processes
von: Sayedana, Borna, et al.
Veröffentlicht: (2024)

On the Convergence of Modified Policy Iteration in Risk Sensitive Exponential Cost Markov Decision Processes
von: Murthy, Yashaswini, et al.
Veröffentlicht: (2023)

Finite Memory Belief Approximation for Optimal Control in Partially Observable Markov Decision Processes
von: Kim, Mintae
Veröffentlicht: (2026)

Approximate Linear Programming for Decentralized Policy Iteration in Cooperative Multi-agent Markov Decision Processes
von: Mandal, Lakshmi, et al.
Veröffentlicht: (2023)

OCMDP: Observation-Constrained Markov Decision Process
von: Wang, Taiyi, et al.
Veröffentlicht: (2024)

1-2-3-Go! Policy Synthesis for Parameterized Markov Decision Processes via Decision-Tree Learning and Generalization
von: Azeem, Muqsit, et al.
Veröffentlicht: (2024)

A Physics-Informed Learning Framework to Solve the Infinite-Horizon Optimal Control Problem
von: Fotiadis, Filippos, et al.
Veröffentlicht: (2025)

Recursive Gaussian Process State Space Model
von: Zheng, Tengjie, et al.
Veröffentlicht: (2024)

Learning Markov Processes as Sum-of-Square Forms for Analytical Belief Propagation
von: Amorese, Peter, et al.
Veröffentlicht: (2026)

Optimal Bayesian Affine Estimator and Active Learning for the Wiener Model
von: Vakili, Sasan, et al.
Veröffentlicht: (2025)

End-to-End Learning Framework for Solving Non-Markovian Optimal Control
von: Zhang, Xiaole, et al.
Veröffentlicht: (2025)

Near-Optimal Policy Identification in Robust Constrained Markov Decision Processes via Epigraph Form
von: Kitamura, Toshinori, et al.
Veröffentlicht: (2024)

Compression Method for Deep Diagonal State Space Model Based on $H^2$ Optimal Reduction
von: Sakamoto, Hiroki, et al.
Veröffentlicht: (2025)

Performance of NPG in Countable State-Space Average-Cost RL
von: Murthy, Yashaswini, et al.
Veröffentlicht: (2024)

Harnessing Data from Clustered LQR Systems: Personalized and Collaborative Policy Optimization
von: Kanakeri, Vinay, et al.
Veröffentlicht: (2025)

LEDRO: LLM-Enhanced Design Space Reduction and Optimization for Analog Circuits
von: Kochar, Dimple Vijay, et al.
Veröffentlicht: (2024)

Learning Surrogate LPV State-Space Models with Uncertainty Quantification
von: Olucha, E. Javier, et al.
Veröffentlicht: (2026)

Sequential Bayesian Optimal Experimental Design in Infinite Dimensions via Policy Gradient Reinforcement Learning
von: Shen, Kaichen, et al.
Veröffentlicht: (2026)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

Flipping-based Policy for Chance-Constrained Markov Decision Processes
von: Shen, Xun, et al.
Veröffentlicht: (2024)

Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States
von: Lefringhausen, Robert, et al.
Veröffentlicht: (2023)

An Optimal Policy for Learning Controllable Dynamics by Exploration
von: Loxley, Peter N.
Veröffentlicht: (2025)

Learning Stable and Robust Linear Parameter-Varying State-Space Models
von: Verhoek, Chris, et al.
Veröffentlicht: (2023)

GenSafe: A Generalizable Safety Enhancer for Safe Reinforcement Learning Algorithms Based on Reduced Order Markov Decision Process Model
von: Zhou, Zhehua, et al.
Veröffentlicht: (2024)

On Policy Stochasticity in Mutual Information Optimal Control of Linear Systems
von: Enami, Shoju, et al.
Veröffentlicht: (2025)

Benchmarking Reinforcement Learning via Stochastic Converse Optimality: Generating Systems with Known Optimal Policies
von: Ibrahim, Sinan, et al.
Veröffentlicht: (2026)

Model-Free Learning for the Linear Quadratic Regulator over Rate-Limited Channels
von: Ye, Lintao, et al.
Veröffentlicht: (2024)

Federated Causal Representation Learning in State-Space Systems for Decentralized Counterfactual Reasoning
von: Mohamed, Nazal, et al.
Veröffentlicht: (2026)

On the Relation of State Space Models and Hidden Markov Models
von: Ghojogh, Aydin, et al.
Veröffentlicht: (2026)

Layer-Adaptive State Pruning for Deep State Space Models
von: Gwak, Minseon, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning Behavioral Mode Switching Using Optimal Control Based on a Latent Space Objective
von: Remman, Sindre Benjamin, et al.
Veröffentlicht: (2024)

Space-Filling Regularization for Robust and Interpretable Nonlinear State Space Models
von: Klein, Hermann, et al.
Veröffentlicht: (2025)

Improved Monte Carlo Planning via Causal Disentanglement for Structurally-Decomposed Markov Decision Processes
von: Liu, Larkin, et al.
Veröffentlicht: (2024)

Optimal Parameter Adaptation for Safety-Critical Control via Safe Barrier Bayesian Optimization
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)