Buchumschlag

A Benchmark Study of Deep-RL Methods for Maximum Coverage Problems over Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Zhicheng, Yang, Yu, Ke, Xiangyu, Xiao, Xiaokui, Gao, Yunjun
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

View-based Explanations for Graph Neural Networks
von: Chen, Tingyang, et al.
Veröffentlicht: (2024)

Effective Edge-wise Representation Learning in Edge-Attributed Bipartite Graphs
von: Wang, Hewen, et al.
Veröffentlicht: (2024)

GegenNet: Spectral Convolutional Neural Networks for Link Sign Prediction in Signed Bipartite Graphs
von: Wang, Hewen, et al.
Veröffentlicht: (2025)

Deep Temporal Graph Clustering: A Comprehensive Benchmark and Datasets
von: Liu, Meng, et al.
Veröffentlicht: (2026)

On the Limits of Tabular Hardness Metrics for Deep RL: A Study with the Pharos Benchmark
von: Conserva, Michelangelo, et al.
Veröffentlicht: (2025)

Optimal Batched Best Arm Identification
von: Jin, Tianyuan, et al.
Veröffentlicht: (2023)

Optimizing Polynomial Graph Filters: A Novel Adaptive Krylov Subspace Approach
von: Huang, Keke, et al.
Veröffentlicht: (2024)

FLAC: Maximum Entropy RL via Kinetic Energy Regularized Bridge Matching
von: Lv, Lei, et al.
Veröffentlicht: (2026)

Scalable Continuous-time Diffusion Framework for Network Inference and Influence Estimation
von: Huang, Keke, et al.
Veröffentlicht: (2024)

A Natural Extension To Online Algorithms For Hybrid RL With Limited Coverage
von: Tan, Kevin, et al.
Veröffentlicht: (2024)

Rethinking RL Evaluation: Can Benchmarks Truly Reveal Failures of RL Methods?
von: Chen, Zihan, et al.
Veröffentlicht: (2025)

Rethinking Link Prediction for Directed Graphs
von: He, Mingguo, et al.
Veröffentlicht: (2025)

Critique to Verify: Accurate and Honest Test-Time Scaling with RL-Trained Verifiers
von: Yang, Zhicheng, et al.
Veröffentlicht: (2025)

DPIS: An Enhanced Mechanism for Differentially Private SGD with Importance Sampling
von: Wei, Jianxin, et al.
Veröffentlicht: (2022)

Are Statistical Methods Obsolete in the Era of Deep Learning? A Study of ODE Inverse Problems
von: Wu, Skyler, et al.
Veröffentlicht: (2025)

A Clustering Method with Graph Maximum Decoding Information
von: Xu, Xinrun, et al.
Veröffentlicht: (2024)

Optimal Streaming Algorithms for Multi-Armed Bandits
von: Jin, Tianyuan, et al.
Veröffentlicht: (2024)

NeurStore: Efficient In-database Deep Learning Model Management System
von: Xiang, Siqi, et al.
Veröffentlicht: (2025)

VAM: Verbalized Action Masking for Controllable Exploration in RL Post-Training -- A Chess Case Study
von: Zhang, Zhicheng, et al.
Veröffentlicht: (2026)

Online Drift Detection with Maximum Concept Discrepancy
von: Wan, Ke, et al.
Veröffentlicht: (2024)

Feature Inference Attack on Shapley Values
von: Luo, Xinjian, et al.
Veröffentlicht: (2024)

Spectral Subspace Clustering for Attributed Graphs
von: Lin, Xiaoyang, et al.
Veröffentlicht: (2024)

RL-Based Method for Benchmarking the Adversarial Resilience and Robustness of Deep Reinforcement Learning Policies
von: Behzadan, Vahid, et al.
Veröffentlicht: (2019)

Beyond Worst-case Attacks: Robust RL with Adaptive Defense via Non-dominated Policies
von: Liu, Xiangyu, et al.
Veröffentlicht: (2024)

What Can RL Bring to VLA Generalization? An Empirical Study
von: Liu, Jijia, et al.
Veröffentlicht: (2025)

How Much Can Time-related Features Enhance Time Series Forecasting?
von: Zeng, Chaolv, et al.
Veröffentlicht: (2024)

Interpretable Maximum Margin Deep Anomaly Detection
von: Yang, Zhiji, et al.
Veröffentlicht: (2026)

Off-Policy Maximum Entropy RL with Future State and Action Visitation Measures
von: Bolland, Adrien, et al.
Veröffentlicht: (2024)

An Unsupervised Learning Framework Combined with Heuristics for the Maximum Minimal Cut Problem
von: Liu, Huaiyuan, et al.
Veröffentlicht: (2024)

GraIP: A Benchmarking Framework For Neural Graph Inverse Problems
von: Cantürk, Semih, et al.
Veröffentlicht: (2026)

Pavement Missing Condition Data Imputation through Collective Learning-Based Graph Neural Networks
von: Yu, Ke, et al.
Veröffentlicht: (2026)

Deep Temporal Graph Clustering
von: Liu, Meng, et al.
Veröffentlicht: (2023)

Decoupled Prioritized Resampling for Offline RL
von: Yue, Yang, et al.
Veröffentlicht: (2023)

NeoRL-2: Near Real-World Benchmarks for Offline Reinforcement Learning with Extended Realistic Scenarios
von: Gao, Songyi, et al.
Veröffentlicht: (2025)

Hybrid Graph: A Unified Graph Representation with Datasets and Benchmarks for Complex Graphs
von: Li, Zehui, et al.
Veröffentlicht: (2023)

Benchmarking and Understanding Compositional Relational Reasoning of LLMs
von: Ni, Ruikang, et al.
Veröffentlicht: (2024)

Unified Graph Networks (UGN): A Deep Neural Framework for Solving Graph Problems
von: Dawn, Rudrajit, et al.
Veröffentlicht: (2025)

FedGraph: A Research Library and Benchmark for Federated Graph Learning
von: Yao, Yuhang, et al.
Veröffentlicht: (2024)

SparDL: Distributed Deep Learning Training with Efficient Sparse Communication
von: Zhao, Minjun, et al.
Veröffentlicht: (2023)

Evolution Strategies for Deep RL pretraining
von: Martínez, Adrian, et al.
Veröffentlicht: (2026)