Buchumschlag

Gaussian-Mixture-Model Q-Functions for Reinforcement Learning by Riemannian Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vu, Minh, Slavakis, Konstantinos
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

Gaussian-Mixture-Model Q-Functions for Policy Iteration in Reinforcement Learning
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Online reinforcement learning via sparse Gaussian mixture model Q-functions
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Nonparametric Bellman Mappings for Reinforcement Learning: Application to Robust Adaptive Filtering
von: Akiyama, Yuki, et al.
Veröffentlicht: (2024)

Nonconvex Regularization for Feature Selection in Reinforcement Learning
von: Suzuki, Kyohei, et al.
Veröffentlicht: (2025)

Nonparametric Bellman Mappings for Value Iteration in Distributed Reinforcement Learning
von: Akiyama, Yuki, et al.
Veröffentlicht: (2025)

Robust Invariant Representation Learning by Distribution Extrapolation
von: Yoshida, Kotaro, et al.
Veröffentlicht: (2025)

Multilinear Kernel Regression and Imputation via Manifold Learning
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2024)

External Division of Two Bregman Proximity Operators for Poisson Inverse Problems
von: Haishima, Kazuki, et al.
Veröffentlicht: (2026)

Imputation of Time-varying Edge Flows in Graphs by Multilinear Kernel Regression and Manifold Learning
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2024)

Kernel Regression of Multi-Way Data via Tensor Trains with Hadamard Overparametrization: The Dynamic Graph Flow Case
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2025)

Model-Free Adversarial Purification via Coarse-To-Fine Tensor Network Representation
von: Lin, Guang, et al.
Veröffentlicht: (2025)

A Unified Framework for Tabular Generative Modeling: Loss Functions, Benchmarks, and Improved Multi-objective Bayesian Optimization Approaches
von: Vu, Minh H., et al.
Veröffentlicht: (2024)

Generative Modeling on Manifolds Through Mixture of Riemannian Diffusion Processes
von: Jo, Jaehyeong, et al.
Veröffentlicht: (2023)

Structure learning with Temporal Gaussian Mixture for model-based Reinforcement Learning
von: Champion, Théophile, et al.
Veröffentlicht: (2024)

Federated Gaussian Mixture Models
von: Pettersson, Sophia Zhang, et al.
Veröffentlicht: (2025)

Understanding Self-Supervised Learning via Gaussian Mixture Models
von: Bansal, Parikshit, et al.
Veröffentlicht: (2024)

Diffusion-based Reinforcement Learning via Q-weighted Variational Policy Optimization
von: Ding, Shutong, et al.
Veröffentlicht: (2024)

Network EM Algorithm for Gaussian Mixture Model in Decentralized Federated Learning
von: Wu, Shuyuan, et al.
Veröffentlicht: (2024)

Rethinking Multinomial Logistic Mixture of Experts with Sigmoid Gating Function
von: Pham, Tuan Minh, et al.
Veröffentlicht: (2026)

Certified Robustness from Approximate Gaussian Mixture Structures in Pretrained Latent Spaces
von: Emmanouilidis, Konstantinos, et al.
Veröffentlicht: (2026)

Graph-Regularized Learning of Gaussian Mixture Models
von: Abdurakhmanova, Shamsiiat, et al.
Veröffentlicht: (2025)

Sequential Function-Space Variational Inference via Gaussian Mixture Approximation
von: Zhu, Menghao Waiyan William, et al.
Veröffentlicht: (2025)

Metacognitive Sensitivity for Test-Time Dynamic Model Selection
von: Trinh, Le Tuan Minh, et al.
Veröffentlicht: (2025)

Individual-heterogeneous sub-Gaussian Mixture Models
von: Qing, Huan
Veröffentlicht: (2026)

In-Context Function Learning in Large Language Models
von: Akata, Elif, et al.
Veröffentlicht: (2026)

TT-LoRA MoE: Unifying Parameter-Efficient Fine-Tuning and Sparse Mixture-of-Experts
von: Kunwar, Pradip, et al.
Veröffentlicht: (2025)

Scalable Clustering: Large Scale Unsupervised Learning of Gaussian Mixture Models with Outliers
von: Zhou, Yijia, et al.
Veröffentlicht: (2023)

Diffusion Model Conditioning on Gaussian Mixture Model and Negative Gaussian Mixture Gradient
von: Lu, Weiguo, et al.
Veröffentlicht: (2024)

Optimizing Electric Vehicle Charging Station Placement Using Reinforcement Learning and Agent-Based Simulations
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2025)

Mixture-Model Preference Learning for Many-Objective Bayesian Optimization
von: Dubey, Manisha, et al.
Veröffentlicht: (2026)

Local Reinforcement Learning with Action-Conditioned Root Mean Squared Q-Functions
von: Wu, Frank, et al.
Veröffentlicht: (2025)

Structured Diffusion Models with Mixture of Gaussians as Prior Distribution
von: Jia, Nanshan, et al.
Veröffentlicht: (2024)

Go With the Flow: Fast Diffusion for Gaussian Mixture Models
von: Rapakoulias, George, et al.
Veröffentlicht: (2024)

AutoGMM: Automatic Gaussian Mixture Modeling in Python
von: Liu, Tingshan, et al.
Veröffentlicht: (2019)

Spatial Covariance Constraints for Gaussian Mixture Models
von: Lu, Hanzhang, et al.
Veröffentlicht: (2026)

LogosQ: A High-Performance and Type-Safe Quantum Computing Library in Rust
von: An, Shiwen, et al.
Veröffentlicht: (2025)

Sublinear Variational Optimization of Gaussian Mixture Models with Millions to Billions of Parameters
von: Salwig, Sebastian, et al.
Veröffentlicht: (2025)

Riemannian Optimization in Modular Systems
von: Pehle, Christian, et al.
Veröffentlicht: (2026)

Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes
von: Zhang, Yan, et al.
Veröffentlicht: (2026)

ULTRA-MC: A Unified Approach to Learning Mixtures of Markov Chains via Hitting Times
von: Spaeh, Fabian, et al.
Veröffentlicht: (2024)