Buchumschlag

Towards Efficient Risk-Sensitive Policy Gradient: An Iteration Complexity Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Rui, Gupta, Anish, Noorani, Erfaun, Tokekar, Pratap
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Risk-Sensitive Reinforcement Learning with Exponential Criteria
von: Noorani, Erfaun, et al.
Veröffentlicht: (2022)

Distributed Risk-Sensitive Safety Filters for Uncertain Discrete-Time Systems
von: Lederer, Armin, et al.
Veröffentlicht: (2025)

Policy Gradient Methods for Risk-Sensitive Distributional Reinforcement Learning with Provable Convergence
von: Xiao, Minheng, et al.
Veröffentlicht: (2024)

Delightful Policy Gradient
von: Osband, Ian
Veröffentlicht: (2026)

Delightful Distributed Policy Gradient
von: Osband, Ian
Veröffentlicht: (2026)

Unbiased Gradient Low-Rank Projection
von: Pan, Rui, et al.
Veröffentlicht: (2025)

Performative Policy Gradient: Optimality in Performative Reinforcement Learning
von: Basu, Debabrota, et al.
Veröffentlicht: (2025)

Global Convergence Guarantees for Federated Policy Gradient Methods with Adversaries
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Deterministic Policy Gradient for Reinforcement Learning with Continuous Time and State
von: Cheng, Ziheng, et al.
Veröffentlicht: (2025)

From Abstraction to Reality: DARPA's Vision for Robust Sim-to-Real Autonomy
von: Noorani, Erfaun, et al.
Veröffentlicht: (2025)

Policy Optimization in Hybrid Discrete-Continuous Action Spaces via Mixed Gradients
von: Alvo, Matias, et al.
Veröffentlicht: (2026)

Revisiting LQR Control from the Perspective of Receding-Horizon Policy Gradient
von: Zhang, Xiangyuan, et al.
Veröffentlicht: (2023)

Soft Robust MDPs and Risk-Sensitive MDPs: Equivalence, Policy Gradient, and Sample Complexity
von: Zhang, Runyu, et al.
Veröffentlicht: (2023)

Finite-Time Analysis of Gradient Descent for Shallow Transformers
von: Arda, Enes, et al.
Veröffentlicht: (2026)

Fitted Q-Iteration via Max-Plus-Linear Approximation
von: Liu, Y., et al.
Veröffentlicht: (2024)

On Finding Small Hyper-Gradients in Bilevel Optimization: Hardness Results and Improved Analysis
von: Chen, Lesi, et al.
Veröffentlicht: (2023)

Recursive Entropic Risk Optimization in Discounted MDPs: Sample Complexity Bounds with a Generative Model
von: Mortensen, Oliver, et al.
Veröffentlicht: (2025)

Ginger: An Efficient Curvature Approximation with Linear Complexity for General Neural Networks
von: Hao, Yongchang, et al.
Veröffentlicht: (2024)

Robust Stochastic Shortest-Path Planning via Risk-Sensitive Incremental Sampling
von: Enwerem, Clinton, et al.
Veröffentlicht: (2024)

Efficient Risk-sensitive Planning via Entropic Risk Measures
von: Marthe, Alexandre, et al.
Veröffentlicht: (2025)

Towards Efficient Constraint Handling in Neural Solvers for Routing Problems
von: Bi, Jieyi, et al.
Veröffentlicht: (2026)

Gradient Descent Efficiency Index
von: Dhingra, Aviral
Veröffentlicht: (2024)

Robust Control with Gradient Uncertainty
von: Qi, Qian
Veröffentlicht: (2025)

Learning Branching Policies for MILPs with Proximal Policy Optimization
von: Mhamed, Abdelouahed Ben, et al.
Veröffentlicht: (2025)

Boosting Gradient Ascent for Continuous DR-submodular Maximization
von: Zhang, Qixin, et al.
Veröffentlicht: (2024)

Riemann Sum Optimization for Accurate Integrated Gradients Computation
von: Swain, Swadesh, et al.
Veröffentlicht: (2024)

On the Convergence of (Stochastic) Gradient Descent for Kolmogorov--Arnold Networks
von: Gao, Yihang, et al.
Veröffentlicht: (2024)

Almost Bayesian: The Fractal Dynamics of Stochastic Gradient Descent
von: Hennick, Max, et al.
Veröffentlicht: (2025)

Implicit Regularization of Gradient Flow on One-Layer Softmax Attention
von: Sheen, Heejune, et al.
Veröffentlicht: (2024)

On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization
von: Ma, Shaocong, et al.
Veröffentlicht: (2025)

A Unified Framework for Gradient Aggregation in Multi-Objective Optimization
von: Hu, Zeou, et al.
Veröffentlicht: (2026)

Explicit and data-Efficient Encoding via Gradient Flow
von: Flouris, Kyriakos, et al.
Veröffentlicht: (2024)

Provable Acceleration of Nesterov's Accelerated Gradient Method over Heavy Ball Method in Training Over-Parameterized Neural Networks
von: Liu, Xin, et al.
Veröffentlicht: (2022)

On a Gradient Approach to Chebyshev Center Problems with Applications to Function Learning
von: Raghuvanshi, Abhinav, et al.
Veröffentlicht: (2026)

Weighted Low-rank Approximation via Stochastic Gradient Descent on Manifolds
von: Xu, Conglong, et al.
Veröffentlicht: (2025)

Learning Efficient and Fair Policies for Uncertainty-Aware Collaborative Human-Robot Order Picking
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Isotropic Curvature Model for Understanding Deep Learning Optimization: Is Gradient Orthogonalization Optimal?
von: Su, Weijie
Veröffentlicht: (2025)

Rod Flow: A Continuous-Time Model for Gradient Descent at the Edge of Stability
von: Regis, Eric, et al.
Veröffentlicht: (2026)

A Methodology Establishing Linear Convergence of Adaptive Gradient Methods under PL Inequality
von: Chakrabarti, Kushal, et al.
Veröffentlicht: (2024)

StoSignSGD: Unbiased Structural Stochasticity Fixes SignSGD for Training Large Language Models
von: Yu, Dingzhi, et al.
Veröffentlicht: (2026)