Buchumschlag

Deep autoregressive density nets vs neural ensembles for model-based offline reinforcement learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benechehab, Abdelhakim, Thomas, Albert, Kégl, Balázs
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Multi-step Loss Function for Robust Learning of the Dynamics in Model-based Reinforcement Learning
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2024)

TAG: A Decentralized Framework for Multi-Agent Hierarchical Reinforcement Learning
von: Paolo, Giuseppe, et al.
Veröffentlicht: (2025)

AdaPTS: Adapting Univariate Foundation Models to Probabilistic Multivariate Time Series Forecasting
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2025)

Guided Safe Shooting: model based reinforcement learning with safety constraints
von: Paolo, Giuseppe, et al.
Veröffentlicht: (2022)

LLMs as In-Context Meta-Learners for Model and Hyperparameter Selection
von: Hili, Youssef Attia El, et al.
Veröffentlicht: (2025)

From Data to Rewards: a Bilevel Optimization Perspective on Maximum Likelihood Estimation
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2025)

Zero-shot Model-based Reinforcement Learning using Large Language Models
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2024)

Causal prompting model-based offline reinforcement learning
von: Yu, Xuehui, et al.
Veröffentlicht: (2024)

Can LLMs predict the convergence of Stochastic Gradient Descent?
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

Expert or not? assessing data quality in offline reinforcement learning
von: Asadulaev, Arip, et al.
Veröffentlicht: (2025)

Experimental evaluation of offline reinforcement learning for HVAC control in buildings
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Emergent temporal abstractions in autoregressive models enable hierarchical reinforcement learning
von: Kobayashi, Seijin, et al.
Veröffentlicht: (2025)

Q-Distribution guided Q-learning for offline reinforcement learning: Uncertainty penalized Q-value via consistency model
von: Zhang, Jing, et al.
Veröffentlicht: (2024)

Physics-informed offline reinforcement learning eliminates catastrophic fuel waste in maritime routing
von: Bora, Aniruddha, et al.
Veröffentlicht: (2026)

Large Language Models as Markov Chains
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance
von: Grosnit, Antoine, et al.
Veröffentlicht: (2024)

PyCFRL: A Python library for counterfactually fair offline reinforcement learning via sequential data preprocessing
von: Zhang, Jianhan, et al.
Veröffentlicht: (2025)

Data-driven simulator of multi-animal behavior with unknown dynamics via offline and online reinforcement learning
von: Fujii, Keisuke, et al.
Veröffentlicht: (2025)

Conservative quantum offline model-based optimization
von: Sotirov, Kristian, et al.
Veröffentlicht: (2025)

Continual learning with the neural tangent ensemble
von: Benjamin, Ari S., et al.
Veröffentlicht: (2024)

Exploring validation metrics for offline model-based optimisation with diffusion models
von: Beckham, Christopher, et al.
Veröffentlicht: (2022)

Thermalizer: Stable autoregressive neural emulation of spatiotemporal chaos
von: Pedersen, Chris, et al.
Veröffentlicht: (2025)

Balancing optimism and pessimism in offline-to-online learning
von: Sentenac, Flore, et al.
Veröffentlicht: (2025)

High-Dimensional Analysis of Bootstrap Ensemble Classifiers
von: Tiomoko, Malik, et al.
Veröffentlicht: (2025)

Holographic functions and neural networks
von: Szegedy, Balazs
Veröffentlicht: (2026)

Deep autoregressive modeling for land use land cover
von: Krapu, Christopher, et al.
Veröffentlicht: (2024)

Sufficient conditions for offline reactivation in recurrent neural networks
von: Krishna, Nanda H., et al.
Veröffentlicht: (2025)

Adaptive prediction theory combining offline and online learning
von: Li, Haizheng, et al.
Veröffentlicht: (2025)

A domain decomposition-based autoregressive deep learning model for unsteady and nonlinear partial differential equations
von: Nidhan, Sheel, et al.
Veröffentlicht: (2024)

Hybrid machine learning models based on physical patterns to accelerate CFD simulations: a short guide on autoregressive models
von: Sengupta, Arindam, et al.
Veröffentlicht: (2025)

Development of an offline and online hybrid model for the Integrated Forecasting System
von: Farchi, Alban, et al.
Veröffentlicht: (2024)

An approach of deep reinforcement learning for maximizing the net present value of stochastic projects
von: Xu, Wei, et al.
Veröffentlicht: (2025)

Ergodicity in reinforcement learning
von: Baumann, Dominik, et al.
Veröffentlicht: (2026)

Flow map learning in nonlinear vector autoregressive models: influence of the feature-library structure on the training error
von: Gross, Markus
Veröffentlicht: (2026)

Ensemble Elastic DQN: A novel multi-step ensemble approach to address overestimation in deep value-based reinforcement learning
von: Ly, Adrian, et al.
Veröffentlicht: (2025)

Flowsheet synthesis through hierarchical reinforcement learning and graph neural networks
von: Stops, Laura, et al.
Veröffentlicht: (2022)

Safe reinforcement learning in uncertain contexts
von: Baumann, Dominik, et al.
Veröffentlicht: (2024)

Variational Autoencoders for exteroceptive perception in reinforcement learning-based collision avoidance
von: Larsen, Thomas Nakken, et al.
Veröffentlicht: (2024)

Silhouettes and quasi residual plots for neural nets and tree-based classifiers
von: Raymaekers, Jakob, et al.
Veröffentlicht: (2021)

Policy-shaped prediction: avoiding distractions in model-based reinforcement learning
von: Hutson, Miles, et al.
Veröffentlicht: (2024)