Buchumschlag

Information-Theoretic State Variable Selection for Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Westphal, Charles, Hailes, Stephen, Musolesi, Mirco
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Partial Information Decomposition for Data Interpretability and Feature Selection
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

A Generalized Information Bottleneck Theory of Deep Learning
von: Westphal, Charles, et al.
Veröffentlicht: (2025)

Graph Reinforcement Learning for Combinatorial Optimization: A Survey and Unifying Perspective
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2024)

Tree Search in DAG Space with Model-based Reinforcement Learning for Causal Discovery
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2023)

Feature Selection for Network Intrusion Detection
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Mutual Information Preserving Neural Network Pruning
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Dynamics of Moral Behavior in Heterogeneous Populations of Learning Agents
von: Tennant, Elizaveta, et al.
Veröffentlicht: (2024)

Moral Alignment for LLM Agents
von: Tennant, Elizaveta, et al.
Veröffentlicht: (2024)

Large Language Models are Effective Priors for Causal Graph Discovery
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2024)

Hybrid Approaches for Moral Value Alignment in AI Agents: a Manifesto
von: Tennant, Elizaveta, et al.
Veröffentlicht: (2023)

Trust-based Consensus in Multi-Agent Reinforcement Learning Systems
von: Fung, Ho Long, et al.
Veröffentlicht: (2022)

Graph Neural Modeling of Network Flows
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2022)

Reinforcement Learning for Generative AI: State of the Art, Opportunities and Open Research Challenges
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2023)

Opponent Shaping in LLM Agents
von: Segura, Marta Emili Garcia, et al.
Veröffentlicht: (2025)

Heterogeneous Knowledge for Augmented Modular Reinforcement Learning
von: Wolf, Lorenz, et al.
Veröffentlicht: (2023)

Reinforcement Learning Discovers Efficient Decentralized Graph Path Search Strategies
von: Pisacane, Alexei, et al.
Veröffentlicht: (2024)

Do Agents Dream of Electric Sheep?: Improving Generalization in Reinforcement Learning through Generative Learning
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2024)

Investigating the Impact of Direct Punishment on the Emergence of Cooperation in Multi-Agent Reinforcement Learning Systems
von: Dasgupta, Nayana, et al.
Veröffentlicht: (2023)

CoMIX: A Multi-agent Reinforcement Learning Training Architecture for Efficient Decentralized Coordination and Independent Decision-Making
von: Minelli, Giovanni, et al.
Veröffentlicht: (2023)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

On Distributional Reinforcement Learning in Chaotic Dynamical Systems
von: Rudd-Jones, James, et al.
Veröffentlicht: (2026)

Environment-Aware Transfer Reinforcement Learning for Sustainable Beam Selection
von: Salami, Dariush, et al.
Veröffentlicht: (2025)

Copyright in Generative Deep Learning
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2021)

Creativity and Machine Learning: A Survey
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2021)

DeepCreativity: Measuring Creativity with Deep Learning Techniques
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2022)

An Effective Information Theoretic Framework for Channel Pruning
von: Chen, Yihao, et al.
Veröffentlicht: (2024)

An Information-Theoretic Criterion for Efficient Data Synthesis
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

Machine Unlearning via Information Theoretic Regularization
von: Xu, Shizhou, et al.
Veröffentlicht: (2025)

Neural Networks Learn Generic Multi-Index Models Near Information-Theoretic Limit
von: Zhang, Bohan, et al.
Veröffentlicht: (2025)

Uncertainty Quantification and Data Efficiency in AI: An Information-Theoretic Perspective
von: Simeone, Osvaldo, et al.
Veröffentlicht: (2025)

The Causal Information Bottleneck and Optimal Causal Variable Abstractions
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2024)

The Causal Description Gap: Information-Theoretic Separations Across Pearl's Hierarchy
von: Emadi, Seyed Morteza
Veröffentlicht: (2026)

Context Channel Capacity: An Information-Theoretic Framework for Understanding Catastrophic Forgetting
von: Cheng, Ran
Veröffentlicht: (2026)

Rethinking KV Cache Eviction via a Unified Information-Theoretic Objective
von: Yang, Jiaming, et al.
Veröffentlicht: (2026)

Information-Theoretic Policy Pre-Training with Empowerment
von: Schneider, Moritz, et al.
Veröffentlicht: (2025)

Emergent Semantic Role Understanding in Language Models
von: Griffiths, Carla, et al.
Veröffentlicht: (2026)

DiffSampling: Enhancing Diversity and Accuracy in Neural Text Generation
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2025)

Probing the Information Theoretical Roots of Spatial Dependence Measures
von: Wang, Zhangyu, et al.
Veröffentlicht: (2024)

Training Foundation Models as Data Compression: On Information, Model Weights and Copyright Law
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2024)

Trust Region Masking for Long-Horizon LLM Reinforcement Learning
von: Li, Yingru, et al.
Veröffentlicht: (2025)