Buchumschlag

QF-tuner: Breaking Tradition in Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jumaah, Mahmood A., Ali, Yossra H., Rashid, Tarik A.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FOXANN: A Method for Boosting Neural Network Performance
von: Jumaah, Mahmood A., et al.
Veröffentlicht: (2024)

BCDDO: Binary Child Drawing Development Optimization
von: Issa, Abubakr S., et al.
Veröffentlicht: (2023)

Unraveling the Versatility and Impact of Multi-Objective Optimization: Algorithms, Applications, and Trends for Solving Complex Real-World Problems
von: Rashed, Noor A., et al.
Veröffentlicht: (2024)

MOANA: Multi-Objective Ant Nesting Algorithm for Optimization Problems
von: Rashed, Noor A., et al.
Veröffentlicht: (2024)

Foxtsage vs. Adam: Revolution or Evolution in Optimization?
von: Aula, Sirwan A., et al.
Veröffentlicht: (2024)

Dynamic Reinforcement Learning for Actors
von: Shibata, Katsunari
Veröffentlicht: (2025)

Evolving Reservoirs for Meta Reinforcement Learning
von: Léger, Corentin, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning with Spiking Q-learning
von: Chen, Ding, et al.
Veröffentlicht: (2022)

Learning Heuristics for Transit Network Design and Improvement with Deep Reinforcement Learning
von: Holliday, Andrew, et al.
Veröffentlicht: (2024)

Frequency and Generalisation of Periodic Activation Functions in Reinforcement Learning
von: Mavor-Parker, Augustine N., et al.
Veröffentlicht: (2024)

Breaking the Conventional Forward-Backward Tie in Neural Networks: Activation Functions
von: Troiano, Luigi, et al.
Veröffentlicht: (2025)

Generalized Population-Based Training for Hyperparameter Optimization in Reinforcement Learning
von: Bai, Hui, et al.
Veröffentlicht: (2024)

Unveiling the Decision-Making Process in Reinforcement Learning with Genetic Programming
von: Eberhardinger, Manuel, et al.
Veröffentlicht: (2024)

Backpropagation-free Spiking Neural Networks with the Forward-Forward Algorithm
von: Ghader, Mohammadnavid, et al.
Veröffentlicht: (2025)

REACT: Revealing Evolutionary Action Consequence Trajectories for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning
von: Chen, Ding, et al.
Veröffentlicht: (2024)

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning
von: Qiu, Xin, et al.
Veröffentlicht: (2025)

Beyond Single-Model Optimization: Preserving Plasticity in Continual Reinforcement Learning
von: Lillo, Lute, et al.
Veröffentlicht: (2026)

Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities
von: Song, Yanjie, et al.
Veröffentlicht: (2023)

A Low Latency Adaptive Coding Spiking Framework for Deep Reinforcement Learning
von: Qin, Lang, et al.
Veröffentlicht: (2022)

SpikeRL: A Scalable and Energy-efficient Framework for Deep Spiking Reinforcement Learning
von: Tahmid, Tokey, et al.
Veröffentlicht: (2025)

CDRL: A Reinforcement Learning Framework Inspired by Cerebellar Circuits and Dendritic Computational Strategies
von: Zhang, Sibo, et al.
Veröffentlicht: (2026)

SPEAR: Structured Pruning for Spiking Neural Networks via Synaptic Operation Estimation and Reinforcement Learning
von: Xie, Hui, et al.
Veröffentlicht: (2025)

EvoForest: A Novel Machine-Learning Paradigm via Open-Ended Evolution of Computational Graphs
von: Yuksel, Kamer Ali, et al.
Veröffentlicht: (2026)

Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids
von: Sepúlveda, Carlos S., et al.
Veröffentlicht: (2026)

Optimizing Feature Selection with Genetic Algorithms: A Review of Methods and Applications
von: Taha, Zhila Yaseen, et al.
Veröffentlicht: (2024)

Reinforced In-Context Black-Box Optimization
von: Song, Lei, et al.
Veröffentlicht: (2024)

Scalability of Reinforcement Learning Methods for Dispatching in Semiconductor Frontend Fabs: A Comparison of Open-Source Models with Real Industry Datasets
von: Stöckermann, Patrick, et al.
Veröffentlicht: (2025)

A Theory of Relation Learning and Cross-domain Generalization
von: Doumas, Leonidas A. A., et al.
Veröffentlicht: (2019)

A Novel Machine Learning Classifier Based on Genetic Algorithms and Data Importance Reformatting
von: Alkhayyata, A. K., et al.
Veröffentlicht: (2024)

Synergizing Quality-Diversity with Descriptor-Conditioned Reinforcement Learning
von: Faldor, Maxence, et al.
Veröffentlicht: (2023)

Diffusion Policies for Out-of-Distribution Generalization in Offline Reinforcement Learning
von: Ada, Suzan Ece, et al.
Veröffentlicht: (2023)

An Experimental Study on Decomposition-Based Deep Ensemble Learning for Traffic Flow Forecasting
von: Zhu, Qiyuan, et al.
Veröffentlicht: (2024)

Fractional-order spike-timing-dependent gradient descent for multi-layer spiking neural networks
von: Yang, Yi, et al.
Veröffentlicht: (2024)

Two new feature selection methods based on learn-heuristic techniques for breast cancer prediction: A comprehensive analysis
von: Karimi, Kamyab, et al.
Veröffentlicht: (2024)

General-Purpose In-Context Learning by Meta-Learning Transformers
von: Kirsch, Louis, et al.
Veröffentlicht: (2022)

Hebbian Learning based Orthogonal Projection for Continual Learning of Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

Selectivity and Shape in the Design of Forward-Forward Goodness Functions
von: Akkus, Talha Ruzgar, et al.
Veröffentlicht: (2026)

Counter-Current Learning: A Biologically Plausible Dual Network Approach for Deep Learning
von: Kao, Chia-Hsiang, et al.
Veröffentlicht: (2024)

On the Temperature of Machine Learning Systems
von: Zhang, Dong
Veröffentlicht: (2024)