Buchumschlag

Reinforcement Learning for Control of Non-Markovian Cellular Population Dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kratz, Josiah C., Adamczyk, Jacob
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Populations and Evolution
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adapting Physics-Informed Neural Networks to Improve ODE Optimization in Mosquito Population Dynamics
von: Cuong, Dinh Viet, et al.
Veröffentlicht: (2024)

Controlling Fish Schools via Reinforcement Learning of Virtual Fish Movement
von: Nishii, Yusuke, et al.
Veröffentlicht: (2026)

Exploring the Dynamics of Lotka-Volterra Systems: Efficiency, Extinction Order, and Predictive Machine Learning
von: Vafaie, Sepideh, et al.
Veröffentlicht: (2024)

Deep Generative Models of Evolution: SNP-level Population Adaptation by Genomic Linkage Incorporation
von: Siekiera, Julia, et al.
Veröffentlicht: (2025)

Nested Inheritance Dynamics
von: Moraffah, Bahman
Veröffentlicht: (2024)

SIR-RL: Reinforcement Learning for Optimized Policy Control during Epidemiological Outbreaks in Emerging Market and Developing Economies
von: Jain, Maeghal, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Framework for Closed-loop Guidance of Fish Schools via Virtual Agents
von: Shibayama, Takato, et al.
Veröffentlicht: (2026)

SLiM-Gym: Reinforcement Learning for Population Genetics
von: Zuppas, Niko, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Phylogenetic Trees via Split-Weight Embedding
von: Kong, Yibo, et al.
Veröffentlicht: (2023)

Geometric Learning Dynamics
von: Vanchurin, Vitaly
Veröffentlicht: (2025)

PhyloVAE: Unsupervised Learning of Phylogenetic Trees via Variational Autoencoders
von: Xie, Tianyu, et al.
Veröffentlicht: (2025)

An Ecologically-Informed Deep Learning Framework for Interpretable and Validatable Habitat Mapping
von: Benavides-Martínez, Iván Felipe, et al.
Veröffentlicht: (2025)

Cross-Country Learning for National Infectious Disease Forecasting Using European Data
von: Komodromos, Zacharias, et al.
Veröffentlicht: (2026)

Which Similarity-Sensitive Entropy (Sentropy)?
von: Nguyen, Phuc, et al.
Veröffentlicht: (2025)

Reward Engineering for Spatial Epidemic Simulations: A Reinforcement Learning Platform for Individual Behavioral Learning
von: Rakhshandehroo, Radman, et al.
Veröffentlicht: (2025)

Fused Lasso Improves Accuracy of Co-occurrence Network Inference in Grouped Samples
von: Agyapong, Daniel, et al.
Veröffentlicht: (2025)

Controllable Sequence Editing for Biological and Clinical Trajectories
von: Li, Michelle M., et al.
Veröffentlicht: (2025)

The land use-climate change-biodiversity nexus in European islands stakeholders
von: Moustakas, Aristides, et al.
Veröffentlicht: (2025)

Circuit design in biology and machine learning. II. Anomaly detection
von: Frank, Steven A.
Veröffentlicht: (2024)

Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees
von: Carvallo, Ciro, et al.
Veröffentlicht: (2024)

Forecasting infectious disease prevalence with associated uncertainty using neural networks
von: Morris, Michael
Veröffentlicht: (2024)

Emergenet: A Digital Twin of Sequence Evolution for Scalable Emergence Risk Assessment of Animal Influenza A Strains
von: Wu, Kevin Yuanbo, et al.
Veröffentlicht: (2024)

Solving the Tree Containment Problem Using Graph Neural Networks
von: Dushatskiy, Arkadiy, et al.
Veröffentlicht: (2024)

On the Approximation of Phylogenetic Distance Functions by Artificial Neural Networks
von: Rosenzweig, Benjamin K., et al.
Veröffentlicht: (2025)

A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania
von: Stochiţoiu, Radu D., et al.
Veröffentlicht: (2020)

Leaping through tree space: continuous phylogenetic inference for rooted and unrooted trees
von: Penn, Matthew J, et al.
Veröffentlicht: (2023)

Contrastive losses as generalized models of global epistasis
von: Brookes, David H., et al.
Veröffentlicht: (2023)

Investigating Forecasting Models for Pandemic Infections Using Heterogeneous Data Sources: A 2-year Study with COVID-19
von: Komodromos, Zacharias, et al.
Veröffentlicht: (2025)

Conditionally Site-Independent Neural Evolution of Antibody Sequences
von: Lu, Stephen Zhewen, et al.
Veröffentlicht: (2026)

PhyloGFN: Phylogenetic inference with generative flow networks
von: Zhou, Mingyang, et al.
Veröffentlicht: (2023)

Generative diffusion models for spatiotemporal influenza forecasting
von: Lemaitre, Joseph, et al.
Veröffentlicht: (2026)

Meta-autoencoders: An approach to discovery and representation of relationships between dynamically evolving classes
von: Marron, Assaf, et al.
Veröffentlicht: (2025)

Training Flexible Models of Genetic Variant Effects from Functional Annotations using Accelerated Linear Algebra
von: Amin, Alan N., et al.
Veröffentlicht: (2025)

The Price equation reveals a universal force-metric-bias law of algorithmic learning and natural selection
von: Frank, Steven A.
Veröffentlicht: (2025)

abx_amr_simulator: A simulation environment for antibiotic prescribing policy optimization under antimicrobial resistance
von: Lee, Joyce, et al.
Veröffentlicht: (2026)

Plant species richness prediction from DESIS hyperspectral data: A comparison study on feature extraction procedures and regression models
von: Guo, Yiqing, et al.
Veröffentlicht: (2023)

Geometric framework for biological evolution
von: Vanchurin, Vitaly
Veröffentlicht: (2026)

Phylogenetic Tree Inference with Tropical Axial Attention
von: Teska, Chris, et al.
Veröffentlicht: (2026)

Spatio-temporal stochastic graph-based learning for infectious disease forecasting
von: Valenzuela, Luz Stefani Sotomayor, et al.
Veröffentlicht: (2026)

Decoding Positive Selection in Mycobacterium tuberculosis with Phylogeny-Guided Graph Attention Models
von: Wang, Linfeng, et al.
Veröffentlicht: (2025)