Deep Gaussian Covariance Network with Trajectory Sampling for Data-Efficient Policy Search

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bogoclu, Can, Vosshall, Robert, Cremanns, Kevin, Roos, Dirk
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Quantifying Local Model Validity using Active Learning
di: Lämmle, Sven, et al.
Pubblicazione: (2024)

Intelligent Optimization and Machine Learning Algorithms for Structural Anomaly Detection using Seismic Signals
di: Trapp, Maximilian, et al.
Pubblicazione: (2024)

Novel Pivoted Cholesky Decompositions for Efficient Gaussian Process Inference
di: de Roos, Filip, et al.
Pubblicazione: (2025)

Sample-Efficient Policy Constraint Offline Deep Reinforcement Learning based on Sample Filtering
di: Chen, Yuanhao, et al.
Pubblicazione: (2025)

Sample Path Regularity of Gaussian Processes from the Covariance Kernel
di: Da Costa, Nathaël, et al.
Pubblicazione: (2023)

Incorporating Navigation Context into Inland Vessel Trajectory Prediction: A Gaussian Mixture Model and Transformer Approach
di: Donandt, Kathrin, et al.
Pubblicazione: (2024)

MAGDiff: Covariate Data Set Shift Detection via Activation Graphs of Deep Neural Networks
di: Arnal, Charles, et al.
Pubblicazione: (2023)

Sample Complexity of Preference-Based Nonparametric Off-Policy Evaluation with Deep Networks
di: Li, Zihao, et al.
Pubblicazione: (2023)

Efficient Covariance Estimation for Sparsified Functional Data
di: Zheng, Sijie, et al.
Pubblicazione: (2025)

LoRANN: Low-Rank Matrix Factorization for Approximate Nearest Neighbor Search
di: Jääsaari, Elias, et al.
Pubblicazione: (2024)

Deep Gaussian Process Proximal Policy Optimization
di: van der Lende, Matthijs, et al.
Pubblicazione: (2025)

Decomposing Gaussians with Unknown Covariance
di: Dharamshi, Ameer, et al.
Pubblicazione: (2024)

GIPO: Gaussian Importance Sampling Policy Optimization
di: Lu, Chengxuan, et al.
Pubblicazione: (2026)

On the Trajectory Regularity of ODE-based Diffusion Sampling
di: Chen, Defang, et al.
Pubblicazione: (2024)

Fast, Sample-Efficient, Affine-Invariant Private Mean and Covariance Estimation for Subgaussian Distributions
di: Brown, Gavin, et al.
Pubblicazione: (2023)

Optimal Posterior Sampling for Policy Identification in Tabular Markov Decision Processes
di: Kone, Cyrille, et al.
Pubblicazione: (2026)

Learning Joint and Individual Structure in Network Data with Covariates
di: James, Carson, et al.
Pubblicazione: (2024)

Optimal Policy Adaptation under Covariate Shift
di: Liu, Xueqing, et al.
Pubblicazione: (2025)

Is Temperature Sample Efficient for Softmax Gaussian Mixture of Experts?
di: Nguyen, Huy, et al.
Pubblicazione: (2024)

Nearest Neighbor Sampling for Covariate Shift Adaptation
di: Portier, François, et al.
Pubblicazione: (2023)

TBDFiltering: Sample-Efficient Tree-Based Data Filtering
di: Busa-Fekete, Robert Istvan, et al.
Pubblicazione: (2026)

Spatial Covariance Constraints for Gaussian Mixture Models
di: Lu, Hanzhang, et al.
Pubblicazione: (2026)

Towards Explainable Deep Learning for Ship Trajectory Prediction in Inland Waterways
di: Legel, Tom, et al.
Pubblicazione: (2026)

Approximate Next Policy Sampling: Replacing Conservative Target Policy Updates in Deep RL
di: Sandhu, Dillon, et al.
Pubblicazione: (2026)

Deep Survival Analysis for Competing Risk Modeling with Functional Covariates and Missing Data Imputation
di: Gao, Penglei, et al.
Pubblicazione: (2025)

Gaussian and Non-Gaussian Universality of Data Augmentation
di: Huang, Kevin Han, et al.
Pubblicazione: (2022)

Spatiotemporal Covariance Neural Networks
di: Cavallo, Andrea, et al.
Pubblicazione: (2024)

Sparse Covariance Neural Networks
di: Cavallo, Andrea, et al.
Pubblicazione: (2024)

Covariance Density Neural Networks
di: Roy, Om, et al.
Pubblicazione: (2025)

IMLE Policy: Fast and Sample Efficient Visuomotor Policy Learning via Implicit Maximum Likelihood Estimation
di: Rana, Krishan, et al.
Pubblicazione: (2025)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
di: Zhou, Guanhao, et al.
Pubblicazione: (2025)

Private Adaptive Covariance Estimation via Gaussian Graphical Models
di: Ferrando, Cecilia, et al.
Pubblicazione: (2026)

Efficient Graph Knowledge Distillation from GNNs to Kolmogorov--Arnold Networks via Self-Attention Dynamic Sampling
di: Cui, Can, et al.
Pubblicazione: (2025)

Schur's Positive-Definite Network: Deep Learning in the SPD cone with structure
di: Pouliquen, Can, et al.
Pubblicazione: (2024)

The Impact of On-Policy Parallelized Data Collection on Deep Reinforcement Learning Networks
di: Mayor, Walter, et al.
Pubblicazione: (2025)

Guarantees for Nonlinear Representation Learning: Non-identical Covariates, Dependent Data, Fewer Samples
di: Zhang, Thomas T., et al.
Pubblicazione: (2024)

Sample and Computationally Efficient Robust Learning of Gaussian Single-Index Models
di: Wang, Puqian, et al.
Pubblicazione: (2024)

Gaussian Weight Sampling for Scalable, Efficient and Stable Pseudo-Quantization Training
di: Ahn, Myeonghwan, et al.
Pubblicazione: (2025)

Distributionally Robust Safe Sample Elimination under Covariate Shift
di: Hanada, Hiroyuki, et al.
Pubblicazione: (2024)

Multi-Agent Reinforcement Learning for Sample-Efficient Deep Neural Network Mapping
di: Krishnan, Srivatsan, et al.
Pubblicazione: (2025)