Buchumschlag

Neural Network Compression for Reinforcement Learning Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ivanov, Dmitry A., Larionov, Denis A., Maslennikov, Oleg V., Voevodin, Vladimir V.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Personalized Reinforcement Learning with a Budget of Policies
von: Ivanov, Dmitry, et al.
Veröffentlicht: (2024)

Emergence of hybrid computational dynamics through reinforcement learning
von: Kononov, Roman A., et al.
Veröffentlicht: (2025)

Variation Spaces for Multi-Output Neural Networks: Insights on Multi-Task Learning and Network Compression
von: Shenouda, Joseph, et al.
Veröffentlicht: (2023)

Knowledge-Guided Manipulation Using Multi-Task Reinforcement Learning
von: Narendra, Aditya, et al.
Veröffentlicht: (2026)

Suppressing Modulation Instability with Reinforcement Learning
von: Kalmykov, Nikolay, et al.
Veröffentlicht: (2024)

Solving Deep Reinforcement Learning Tasks with Evolution Strategies and Linear Policy Networks
von: Wong, Annie, et al.
Veröffentlicht: (2024)

TACO-RL: Task Aware Prompt Compression Optimization with Reinforcement Learning
von: Shandilya, Shivam, et al.
Veröffentlicht: (2024)

Memory Retention Is Not Enough to Master Memory Tasks in Reinforcement Learning
von: Shchendrigin, Oleg, et al.
Veröffentlicht: (2026)

Learning to Compress: Local Rank and Information Compression in Deep Neural Networks
von: Patel, Niket, et al.
Veröffentlicht: (2024)

RLBenchNet: The Right Network for the Right Reinforcement Learning Task
von: Smirnov, Ivan, et al.
Veröffentlicht: (2025)

Incorporating Expert Rules into Neural Networks in the Framework of Concept-Based Learning
von: Konstantinov, Andrei V., et al.
Veröffentlicht: (2024)

Graph Neural Networks Uncover Geometric Neural Representations in Reinforcement-Based Motor Learning
von: Nardi, Federico, et al.
Veröffentlicht: (2024)

PV-Tuning: Beyond Straight-Through Estimation for Extreme LLM Compression
von: Malinovskii, Vladimir, et al.
Veröffentlicht: (2024)

Neural Embedding Compression For Efficient Multi-Task Earth Observation Modelling
von: Gomes, Carlos, et al.
Veröffentlicht: (2024)

Analyzing Neural Network Robustness Using Graph Curvature
von: Tan, Shuhang, et al.
Veröffentlicht: (2024)

Self-Compressing Neural Networks
von: Cséfalvay, Szabolcs, et al.
Veröffentlicht: (2023)

Task Aware Dreamer for Task Generalization in Reinforcement Learning
von: Ying, Chengyang, et al.
Veröffentlicht: (2023)

Deceptive Path Planning via Reinforcement Learning with Graph Neural Networks
von: Fatemi, Michael Y., et al.
Veröffentlicht: (2024)

The Robustness of Spiking Neural Networks in Federated Learning with Compression Against Non-omniscient Byzantine Attacks
von: Nguyen, Manh V., et al.
Veröffentlicht: (2025)

Latent Space Representations of Neural Algorithmic Reasoners
von: Mirjanić, Vladimir V., et al.
Veröffentlicht: (2023)

Investigating Action Encodings in Recurrent Neural Networks in Reinforcement Learning
von: Schlegel, Matthew, et al.
Veröffentlicht: (2026)

Growing with Experience: Growing Neural Networks in Deep Reinforcement Learning
von: Fehring, Lukas, et al.
Veröffentlicht: (2025)

The Effects of Multi-Task Learning on ReLU Neural Network Functions
von: Nakhleh, Julia, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Systems for the Simulation of EUV Electromagnetic Wave Diffraction from a Lithography Mask
von: Es'kin, Vasiliy A., et al.
Veröffentlicht: (2026)

Robust Deep Network Learning of Nonlinear Regression Tasks by Parametric Leaky Exponential Linear Units (LELUs) and a Diffusion Metric
von: Bigarella, Enda D. V.
Veröffentlicht: (2025)

Generating Auxiliary Tasks with Reinforcement Learning
von: Goldfeder, Judah, et al.
Veröffentlicht: (2025)

Sequence Compression Speeds Up Credit Assignment in Reinforcement Learning
von: Ramesh, Aditya A., et al.
Veröffentlicht: (2024)

Horizon Activation Mapping for Neural Networks in Time Series Forecasting
von: Hans, Krupakar, et al.
Veröffentlicht: (2026)

Two Sparse Matrices are Better than One: Sparsifying Neural Networks with Double Sparse Factorization
von: Boža, Vladimír, et al.
Veröffentlicht: (2024)

Quantization-Aware Regularizers for Deep Neural Networks Compression
von: Malchiodi, Dario, et al.
Veröffentlicht: (2026)

Inference-friendly Graph Compression for Graph Neural Networks
von: Fan, Yangxin, et al.
Veröffentlicht: (2025)

Topological Feature Compression for Molecular Graph Neural Networks
von: Khorana, Rahul
Veröffentlicht: (2025)

Generalized Adaptive Transfer Network: Enhancing Transfer Learning in Reinforcement Learning Across Domains
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

Efficient Model Compression for Bayesian Neural Networks
von: Saha, Diptarka, et al.
Veröffentlicht: (2024)

ENOT: Expectile Regularization for Fast and Accurate Training of Neural Optimal Transport
von: Buzun, Nazar, et al.
Veröffentlicht: (2024)

Neural Diffusion Models
von: Bartosh, Grigory, et al.
Veröffentlicht: (2023)

MENTOR: Mixture-of-Experts Network with Task-Oriented Perturbation for Visual Reinforcement Learning
von: Huang, Suning, et al.
Veröffentlicht: (2024)

Playing Hex and Counter Wargames using Reinforcement Learning and Recurrent Neural Networks
von: Palma, Guilherme, et al.
Veröffentlicht: (2025)

Efficient Neural Compression with Inference-time Decoding
von: Metz, C., et al.
Veröffentlicht: (2024)

SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning
von: Oskolkov, Nikita, et al.
Veröffentlicht: (2025)