Buchumschlag

Topological Foundations of Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kadurha, David Krame
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Functional Analysis 68T05
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bellman operator convergence enhancements in reinforcement learning algorithms
von: Kadurha, David Krame, et al.
Veröffentlicht: (2025)

Pushdown Reward Machines for Reinforcement Learning
von: Varricchione, Giovanni, et al.
Veröffentlicht: (2025)

Featured Reproducing Kernel Banach Spaces for Learning and Neural Networks
von: de la Higuera, Isabel, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning Xiangqi Player with Monte Carlo Tree Search
von: Yilmaz, Berk, et al.
Veröffentlicht: (2025)

Multi-State TD Target for Model-Free Reinforcement Learning
von: Wang, Wuhao, et al.
Veröffentlicht: (2024)

Unsupervised Ensemble Learning Through Deep Energy-based Models
von: Maymon, Ariel, et al.
Veröffentlicht: (2026)

BatteryML:An Open-source platform for Machine Learning on Battery Degradation
von: Zhang, Han, et al.
Veröffentlicht: (2023)

Localisation of Regularised and Multiview Support Vector Machine Learning
von: Gheondea, Aurelian, et al.
Veröffentlicht: (2023)

Online Regularized Learning Algorithms in RKHS with $β$- and $ϕ$-Mixing Sequences
von: Roy, Priyanka, et al.
Veröffentlicht: (2025)

Reciprocal Learning
von: Rodemann, Julian, et al.
Veröffentlicht: (2024)

Grouped Sequential Optimization Strategy -- the Application of Hyperparameter Importance Assessment in Deep Learning
von: Wang, Ruinan, et al.
Veröffentlicht: (2025)

Weakly Supervised Learners for Correction of AI Errors with Provable Performance Guarantees
von: Tyukin, Ivan Y., et al.
Veröffentlicht: (2024)

Convergence Dynamics and Stabilization Strategies of Co-Evolving Generative Models
von: Gao, Weiguo, et al.
Veröffentlicht: (2025)

From Sparse to Dense: Toddler-inspired Reward Transition in Goal-Oriented Reinforcement Learning
von: Park, Junseok, et al.
Veröffentlicht: (2025)

OPSurv: Orthogonal Polynomials Quadrature Algorithm for Survival Analysis
von: Bialokozowicz, Lilian W., et al.
Veröffentlicht: (2024)

Maximally Permissive Reward Machines
von: Varricchione, Giovanni, et al.
Veröffentlicht: (2024)

DQN Performance with Epsilon Greedy Policies and Prioritized Experience Replay
von: Perkins, Daniel, et al.
Veröffentlicht: (2025)

Subset Selection for Fine-Tuning: A Utility-Diversity Balanced Approach for Mathematical Domain Adaptation
von: Kotecha, Madhav, et al.
Veröffentlicht: (2025)

Quantifying First-Order Markov Violations in Noisy Reinforcement Learning: A Causal Discovery Approach
von: Mysore, Naveen
Veröffentlicht: (2025)

Censored Sampling for Topology Design: Guiding Diffusion with Human Preferences
von: Kim, Euihyun, et al.
Veröffentlicht: (2025)

Markov Chain Gradient Descent in Hilbert Spaces
von: Roy, Priyanka, et al.
Veröffentlicht: (2024)

Gradient Descent Algorithm in Hilbert Spaces under Stationary Markov Chains with $ϕ$- and $β$-Mixing
von: Roy, Priyanka, et al.
Veröffentlicht: (2025)

CircuitBuilder: From Polynomials to Circuits via Reinforcement Learning
von: Zhang, Weikun K., et al.
Veröffentlicht: (2026)

Large Language Model Meets Graph Neural Network in Knowledge Distillation
von: Hu, Shengxiang, et al.
Veröffentlicht: (2024)

ASNN: Learning to Suggest Neural Architectures from Performance Distributions
von: Hong, Jinwook
Veröffentlicht: (2025)

Principled Approaches for Extending Neural Architectures to Function Spaces for Operator Learning
von: Berner, Julius, et al.
Veröffentlicht: (2025)

A Neural Affinity Framework for Abstract Reasoning: Diagnosing the Compositional Gap in Transformer Architectures via Procedural Task Taxonomy
von: Ingram, Miguel, et al.
Veröffentlicht: (2025)

What is the $\textit{intrinsic}$ dimension of your binary data? -- and how to compute it quickly
von: Hanika, Tom, et al.
Veröffentlicht: (2024)

OptPO: Optimal Rollout Allocation for Test-time Policy Optimization
von: Wang, Youkang, et al.
Veröffentlicht: (2025)

Memory-efficient Continual Learning with Prototypical Exemplar Condensation
von: Nguyen, Minh-Duong, et al.
Veröffentlicht: (2026)

Multi-Scale Graph Learning for Anti-Sparse Downscaling
von: Fan, Yingda, et al.
Veröffentlicht: (2025)

Prompting a Pretrained Transformer Can Be a Universal Approximator
von: Petrov, Aleksandar, et al.
Veröffentlicht: (2024)

Bridging Smoothness and Approximation: Theoretical Insights into Over-Smoothing in Graph Neural Networks
von: Yang, Guangrui, et al.
Veröffentlicht: (2024)

Kolmogorov--Arnold stability
von: Dzhenzher, Sviatoslav V., et al.
Veröffentlicht: (2025)

Sparse-Aware Neural Networks for Nonlinear Functionals: Mitigating the Exponential Dependence on Dimension
von: Li, Jianfei, et al.
Veröffentlicht: (2026)

Approximation analysis of CNNs from a feature extraction view
von: Li, Jianfei, et al.
Veröffentlicht: (2022)

Boosted Distributional Reinforcement Learning: Analysis and Healthcare Applications
von: Chen, Zequn, et al.
Veröffentlicht: (2026)

Dynamical Priors as a Training Objective in Reinforcement Learning
von: Subaharan, Sukesh
Veröffentlicht: (2026)

Lecture notes on high-dimensional data
von: Wegner, Sven-Ake
Veröffentlicht: (2021)

Insights into Schizophrenia: Leveraging Machine Learning for Early Identification via EEG, ERP, and Demographic Attributes
von: Alkhalifa, Sara
Veröffentlicht: (2025)