:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yu, Yu, Rui, Yao, Zhipeng, Zhang, Wenyuan, Wang, Jun, Zhang, Liming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2406.03324
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Corruption-Robust Offline Reinforcement Learning with General Function Approximation
von: Ye, Chenlu, et al.
Veröffentlicht: (2023)

Diverse Randomized Value Functions: A Provably Pessimistic Approach for Offline Reinforcement Learning
von: Yu, Xudong, et al.
Veröffentlicht: (2024)

Bridging Domain Gaps with Target-Aligned Generation for Offline Reinforcement Learning
von: Kim, Minung, et al.
Veröffentlicht: (2026)

VIPO: Value Function Inconsistency Penalized Offline Reinforcement Learning
von: Chen, Xuyang, et al.
Veröffentlicht: (2025)

Urban-Focused Multi-Task Offline Reinforcement Learning with Contrastive Data Sharing
von: Zhao, Xinbo, et al.
Veröffentlicht: (2024)

Diffusion Policies with Value-Conditional Optimization for Offline Reinforcement Learning
von: Ma, Yunchang, et al.
Veröffentlicht: (2025)

Gap-Dependent Bounds for Nearly Minimax Optimal Reinforcement Learning with Linear Function Approximation
von: Zhang, Haochen, et al.
Veröffentlicht: (2026)

The Generalization Gap in Offline Reinforcement Learning
von: Mediratta, Ishita, et al.
Veröffentlicht: (2023)

OASIS: Conditional Distribution Shaping for Offline Safe Reinforcement Learning
von: Yao, Yihang, et al.
Veröffentlicht: (2024)

Value-Guidance MeanFlow for Offline Multi-Agent Reinforcement Learning
von: Pang, Teng, et al.
Veröffentlicht: (2026)

Diffusion Policies for Risk-Averse Behavior Modeling in Offline Reinforcement Learning
von: Chen, Xiaocong, et al.
Veröffentlicht: (2024)

Bridging Dynamics Gaps via Diffusion Schrödinger Bridge for Cross-Domain Reinforcement Learning
von: Zhang, Hanping, et al.
Veröffentlicht: (2026)

Dynamic Momentum Recalibration in Online Gradient Learning
von: Yao, Zhipeng, et al.
Veröffentlicht: (2026)

Ensemble Successor Representations for Task Generalization in Offline-to-Online Reinforcement Learning
von: Wang, Changhong, et al.
Veröffentlicht: (2024)

Is Value Functions Estimation with Classification Plug-and-play for Offline Reinforcement Learning?
von: Tarasov, Denis, et al.
Veröffentlicht: (2024)

Provably Efficient Offline-to-Online Value Adaptation with General Function Approximation
von: Li, Shangzhe, et al.
Veröffentlicht: (2026)

Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning
von: Liao, Luofeng, et al.
Veröffentlicht: (2021)

Horizon Reduction as Information Loss in Offline Reinforcement Learning
von: Nidadala, Uday Kumar, et al.
Veröffentlicht: (2025)

Switching the Loss Reduces the Cost in Batch (Offline) Reinforcement Learning
von: Ayoub, Alex, et al.
Veröffentlicht: (2024)

Towards Robust Offline-to-Online Reinforcement Learning via Uncertainty and Smoothness
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2023)

Hindsight Preference Learning for Offline Preference-based Reinforcement Learning
von: Gao, Chen-Xiao, et al.
Veröffentlicht: (2024)

Federated Offline Reinforcement Learning
von: Zhou, Doudou, et al.
Veröffentlicht: (2022)

Policy Constraint by Only Support Constraint for Offline Reinforcement Learning
von: Gao, Yunkai, et al.
Veröffentlicht: (2025)

Towards Robust Offline Reinforcement Learning under Diverse Data Corruption
von: Yang, Rui, et al.
Veröffentlicht: (2023)

Energy-Weighted Flow Matching for Offline Reinforcement Learning
von: Zhang, Shiyuan, et al.
Veröffentlicht: (2025)

Rethinking Optimal Transport in Offline Reinforcement Learning
von: Asadulaev, Arip, et al.
Veröffentlicht: (2024)

Offline-to-Online Reinforcement Learning with Classifier-Free Diffusion Generation
von: Huang, Xiao, et al.
Veröffentlicht: (2025)

Towards an Information Theoretic Framework of Context-Based Offline Meta-Reinforcement Learning
von: Li, Lanqing, et al.
Veröffentlicht: (2024)

Bridging the Gap between Learning and Inference for Diffusion-Based Molecule Generation
von: Liu, Peidong, et al.
Veröffentlicht: (2024)

DiM-TS: Bridge the Gap between Selective State Space Models and Time Series for Generative Modeling
von: Yao, Zihao, et al.
Veröffentlicht: (2025)

Any-step Dynamics Model Improves Future Predictions for Online and Offline Reinforcement Learning
von: Lin, Haoxin, et al.
Veröffentlicht: (2024)

Residuals-based Offline Reinforcement Learning
von: Zhu, Qing, et al.
Veröffentlicht: (2026)

Efficient Cross-Domain Offline Reinforcement Learning with Dynamics- and Value-Aligned Data Filtering
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2025)

Constrained Policy Optimization with Explicit Behavior Density for Offline Reinforcement Learning
von: Zhang, Jing, et al.
Veröffentlicht: (2023)

Energy-Guided Diffusion Sampling for Offline-to-Online Reinforcement Learning
von: Liu, Xu-Hui, et al.
Veröffentlicht: (2024)

Augmenting Offline Reinforcement Learning with State-only Interactions
von: Li, Shangzhe, et al.
Veröffentlicht: (2024)

Q-value Regularized Decision ConvFormer for Offline Reinforcement Learning
von: Yan, Teng, et al.
Veröffentlicht: (2024)

Contrastive Representation for Data Filtering in Cross-Domain Offline Reinforcement Learning
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2024)

From Static Constraints to Dynamic Adaptation: Sample-Level Constraint Relaxation for Offline-to-Online Reinforcement Learning
von: Zu, Lipeng, et al.
Veröffentlicht: (2025)

Behavior-Regularized Diffusion Policy Optimization for Offline Reinforcement Learning
von: Gao, Chen-Xiao, et al.
Veröffentlicht: (2025)