Buchumschlag

Toward a Unified Lyapunov-Certified ODE Convergence Analysis of Smooth Q-Learning with p-Norms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Donghwan, Na, Hyunjun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Soft Deterministic Policy Gradient with Gaussian Smoothing
von: Na, Hyunjun, et al.
Veröffentlicht: (2026)

Lyapunov-Certified Direct Switching Theory for Q-Learning
von: Lee, Donghwan
Veröffentlicht: (2026)

R-GTD: A Geometric Analysis of Gradient Temporal-Difference Learning in Singular Regimes
von: Na, Hyunjun, et al.
Veröffentlicht: (2026)

Finite-Time Analysis of Simultaneous Double Q-learning
von: Na, Hyunjun, et al.
Veröffentlicht: (2024)

Suppressing Overestimation in Q-Learning through Adversarial Behaviors
von: Lee, HyeAnn, et al.
Veröffentlicht: (2023)

Periodic Regularized Q-Learning
von: Yang, Hyukjun, et al.
Veröffentlicht: (2026)

Safe-Support Q-Learning: Learning without Unsafe Exploration
von: Lim, Yeeun, et al.
Veröffentlicht: (2026)

Pretraining a Shared Q-Network for Data-Efficient Offline Reinforcement Learning
von: Park, Jongchan, et al.
Veröffentlicht: (2025)

Learning the Model While Learning Q: Finite-Time Sample Complexity of Online SyncMBQ
von: Lim, Han-Dong, et al.
Veröffentlicht: (2024)

Understanding the theoretical properties of projected Bellman equation, linear Q-learning, and approximate value iteration
von: Lim, Han-Dong, et al.
Veröffentlicht: (2025)

Finite-Time Analysis of Temporal Difference Learning with Experience Replay
von: Lim, Han-Dong, et al.
Veröffentlicht: (2023)

Analysis of Off-Policy $n$-Step TD-Learning with Linear Function Approximation
von: Lim, Han-Dong, et al.
Veröffentlicht: (2025)

A finite time analysis of distributed Q-learning
von: Lim, Han-Dong, et al.
Veröffentlicht: (2024)

Backstepping Temporal Difference Learning
von: Lim, Han-Dong, et al.
Veröffentlicht: (2023)

Exploring Sparsity and Smoothness of Arbitrary $\ell_p$ Norms in Adversarial Attacks
von: Duhme, Christof, et al.
Veröffentlicht: (2026)

Taming the Adversary: Stable Minimax Deep Deterministic Policy Gradient via Fractional Objectives
von: Lee, Taeho, et al.
Veröffentlicht: (2026)

On Tuning Neural ODE for Stability, Consistency and Faster Convergence
von: Akhtar, Sheikh Waqas
Veröffentlicht: (2023)

Adaptive Policy Backbone via Shared Network
von: Park, Bumgeun, et al.
Veröffentlicht: (2025)

LION-DG: Layer-Informed Initialization with Deep Gradient Protocols for Accelerated Neural Network Training
von: Kim, Hyunjun
Veröffentlicht: (2026)

Geometric Regularization in Mixture-of-Experts: The Disconnect Between Weights and Activations
von: Kim, Hyunjun
Veröffentlicht: (2026)

Sign-Separated Finite-Time Error Analysis of Q-Learning
von: Lee, Donghwan
Veröffentlicht: (2026)

Certified Adversarial Robustness via Partition-based Randomized Smoothing
von: Goli, Hossein, et al.
Veröffentlicht: (2024)

Stabilizing the Q-Gradient Field for Policy Smoothness in Actor-Critic
von: Lee, Jeong Woon, et al.
Veröffentlicht: (2026)

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors
von: Kim, Hyunjun
Veröffentlicht: (2025)

Certified Robustness for Deep Equilibrium Models via Serialized Random Smoothing
von: Gao, Weizhi, et al.
Veröffentlicht: (2024)

Reconcile Certified Robustness and Accuracy for DNN-based Smoothed Majority Vote Classifier
von: Jin, Gaojie, et al.
Veröffentlicht: (2025)

CluCERT: Certifying LLM Robustness via Clustering-Guided Denoising Smoothing
von: Wang, Zixia, et al.
Veröffentlicht: (2025)

Certified Training with Branch-and-Bound for Lyapunov-stable Neural Control
von: Shi, Zhouxing, et al.
Veröffentlicht: (2024)

Formal Synthesis of Certifiably Robust Neural Lyapunov-Barrier Certificates
von: Wang, Chengxiao, et al.
Veröffentlicht: (2026)

Power Interpretable Causal ODE Networks: A Unified Model for Explainable Anomaly Detection and Root Cause Analysis in Power Systems
von: Sun, Yue, et al.
Veröffentlicht: (2026)

MahaVar: OOD Detection via Class-wise Mahalanobis Distance Variance under Neural Collapse
von: Kim, Donghwan, et al.
Veröffentlicht: (2026)

Mitigating the Likelihood Paradox in Flow-based OOD Detection via Entropy Manipulation
von: Kim, Donghwan, et al.
Veröffentlicht: (2026)

Certifying Language Model Robustness with Fuzzed Randomized Smoothing: An Efficient Defense Against Backdoor Attacks
von: He, Bowei, et al.
Veröffentlicht: (2025)

DreamSmooth: Improving Model-based Reinforcement Learning via Reward Smoothing
von: Lee, Vint, et al.
Veröffentlicht: (2023)

An Analysis under a Unified Fomulation of Learning Algorithms with Output Constraints
von: Song, Mooho, et al.
Veröffentlicht: (2024)

Frictional Q-Learning
von: Kim, Hyunwoo, et al.
Veröffentlicht: (2025)

Switching-Geometry Analysis of Deflated Q-Value Iteration
von: Lee, Donghwan
Veröffentlicht: (2026)

Linear $Q$-Learning Does Not Diverge in $L^2$: Convergence Rates to a Bounded Set
von: Liu, Xinyu, et al.
Veröffentlicht: (2025)

Lyapunov-Guided Self-Alignment: Test-Time Adaptation for Offline Safe Reinforcement Learning
von: Han, Seungyub, et al.
Veröffentlicht: (2026)

Chunk-Guided Q-Learning
von: Song, Gwanwoo, et al.
Veröffentlicht: (2026)