:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Haijie, Xian, Xiaochen, Zhang, Chen, Liu, Kaibo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2404.00220
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Partially‐Observable Sequential Change‐Point Detection for Autocorrelated Data via Adaptive Upper Confidence Region
von: Haijie Xu, et al.
Veröffentlicht: (2026)

Quickest Causal Change Point Detection by Adaptive Intervention
von: Xu, Haijie, et al.
Veröffentlicht: (2025)

Mitigating Partial Observability in Sequential Decision Processes via the Lambda Discrepancy
von: Allen, Cameron, et al.
Veröffentlicht: (2024)

Sequential Change Point Detection via Denoising Score Matching
von: Zhou, Wenbin, et al.
Veröffentlicht: (2025)

Functional-Edged Network Modeling
von: Xu, Haijie, et al.
Veröffentlicht: (2024)

Design of Experiment for Discovering Directed Mixed Graph
von: Xu, Haijie, et al.
Veröffentlicht: (2025)

On the Role of Information Structure in Reinforcement Learning for Partially-Observable Sequential Teams and Games
von: Altabaa, Awni, et al.
Veröffentlicht: (2024)

Provable Partially Observable Reinforcement Learning with Privileged Information
von: Cai, Yang, et al.
Veröffentlicht: (2024)

Confidence Estimation via Sequential Likelihood Mixing
von: Kirschner, Johannes, et al.
Veröffentlicht: (2025)

Fast Gaussian Process Approximations for Autocorrelated Data
von: Chokhachian, Ahmadreza, et al.
Veröffentlicht: (2025)

An Upper Confidence Bound Approach to Estimating the Maximum Mean
von: Kun, Zhang, et al.
Veröffentlicht: (2024)

Interpretable Feature Interaction via Statistical Self-supervised Learning on Tabular Data
von: Zhang, Xiaochen, et al.
Veröffentlicht: (2025)

Linear Bandits with Partially Observable Features
von: Kim, Wonyoung, et al.
Veröffentlicht: (2025)

Belief-State RWKV for Reinforcement Learning under Partial Observability
von: Xiao, Liu
Veröffentlicht: (2026)

Provably Efficient Partially Observable Risk-Sensitive Reinforcement Learning with Hindsight Observation
von: Zhang, Tonghe, et al.
Veröffentlicht: (2024)

Sparse Kalman Identification for Partially Observable Systems via Adaptive Bayesian Learning
von: Mei, Jilan, et al.
Veröffentlicht: (2025)

Learning Causal States Under Partial Observability and Perturbation
von: Li, Na, et al.
Veröffentlicht: (2025)

Gaussian Process Upper Confidence Bounds in Distributed Point Target Tracking over Wireless Sensor Networks
von: Liu, Xingchi, et al.
Veröffentlicht: (2024)

Score-Based Change-Point Detection and Region Localization for Spatio-Temporal Point Processes
von: Zhou, Wenbin, et al.
Veröffentlicht: (2026)

Fixed-Confidence Multiple Change Point Identification under Bandit Feedback
von: Lazzaro, Joseph, et al.
Veröffentlicht: (2025)

Thompson Sampling in Partially Observable Contextual Bandits
von: Park, Hongju, et al.
Veröffentlicht: (2024)

Beyond Optimism: Exploration With Partially Observable Rewards
von: Parisi, Simone, et al.
Veröffentlicht: (2024)

Partially Observable Contextual Bandits with Linear Payoffs
von: Zeng, Sihan, et al.
Veröffentlicht: (2024)

Partially Observable Reinforcement Learning with Memory Traces
von: Eberhard, Onno, et al.
Veröffentlicht: (2025)

Multi-View Causal Representation Learning with Partial Observability
von: Yao, Dingling, et al.
Veröffentlicht: (2023)

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing
von: Liu, Xiangyu, et al.
Veröffentlicht: (2023)

Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability
von: Liu, Yushen, et al.
Veröffentlicht: (2026)

Inference with the Upper Confidence Bound Algorithm
von: Khamaru, Koulik, et al.
Veröffentlicht: (2024)

Tighter Confidence Bounds for Sequential Kernel Regression
von: Flynn, Hamish, et al.
Veröffentlicht: (2024)

Function-on-Function Bayesian Optimization
von: Huang, Jingru, et al.
Veröffentlicht: (2025)

Deep Autocorrelation Modeling for Time-Series Forecasting: Progress and Prospects
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Data-Driven Upper Confidence Bounds with Near-Optimal Regret for Heavy-Tailed Bandits
von: Tamás, Ambrus, et al.
Veröffentlicht: (2024)

A Sparsity Principle for Partially Observable Causal Representation Learning
von: Xu, Danru, et al.
Veröffentlicht: (2024)

An Empirical Study on the Power of Future Prediction in Partially Observable Environments
von: Kwon, Jeongyeol, et al.
Veröffentlicht: (2024)

Combinatorial Bandit Bayesian Optimization for Tensor Outputs
von: Huang, Jingru, et al.
Veröffentlicht: (2026)

Learning Interpretable Policies in Hindsight-Observable POMDPs through Partially Supervised Reinforcement Learning
von: Lanier, Michael, et al.
Veröffentlicht: (2024)

Observation Adaptation via Annealed Importance Resampling for Partially Observable Markov Decision Processes
von: Zhang, Yunuo, et al.
Veröffentlicht: (2025)

Randomized Confidence Bounds for Stochastic Partial Monitoring
von: Heuillet, Maxime, et al.
Veröffentlicht: (2024)

Provable Representation with Efficient Planning for Partial Observable Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2023)

Upper Counterfactual Confidence Bounds: a New Optimism Principle for Contextual Bandits
von: Xu, Yunbei, et al.
Veröffentlicht: (2020)