Buchumschlag

Hierarchical Universal Value Function Approximators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Arora, Rushiv
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Task Reinforcement Learning with Language-Encoded Gated Policy Networks
von: Arora, Rushiv
Veröffentlicht: (2025)

Deep Memory Search: A Metaheuristic Approach for Optimizing Heuristic Search
von: Hedar, Abdel-Rahman, et al.
Veröffentlicht: (2024)

Approximate Domain Unlearning for Vision-Language Models
von: Kawamura, Kodai, et al.
Veröffentlicht: (2025)

Expressive Value Learning for Scalable Offline Reinforcement Learning
von: Espinosa-Dice, Nicolas, et al.
Veröffentlicht: (2025)

Behavior Learning (BL): Learning Hierarchical Optimization Structures from Data
von: Ma, Zhenyao, et al.
Veröffentlicht: (2026)

Scaling Value Iteration Networks to 5000 Layers for Extreme Long-Term Planning
von: Wang, Yuhui, et al.
Veröffentlicht: (2024)

Entropy-Based Measurement of Value Drift and Alignment Work in Large Language Models
von: Fadli, Samih
Veröffentlicht: (2025)

Improving Value Estimation Critically Enhances Vanilla Policy Gradient
von: Wang, Tao, et al.
Veröffentlicht: (2025)

Distributed Value Decomposition Networks with Networked Agents
von: Varela, Guilherme S., et al.
Veröffentlicht: (2025)

Fusion-Based Neural Generalization for Predicting Temperature Fields in Industrial PET Preform Heating
von: Alsheikh, Ahmad, et al.
Veröffentlicht: (2025)

CUPID: Curating Data your Robot Loves with Influence Functions
von: Agia, Christopher, et al.
Veröffentlicht: (2025)

Extrinsicaly Rewarded Soft Q Imitation Learning with Discriminator
von: Furuyama, Ryoma, et al.
Veröffentlicht: (2024)

Manipulating Predictions over Discrete Inputs in Machine Teaching
von: Wu, Xiaodong, et al.
Veröffentlicht: (2024)

Axiomatic Characterisations of Sample-based Explainers
von: Amgoud, Leila, et al.
Veröffentlicht: (2024)

Resilience to the Flowing Unknown: an Open Set Recognition Framework for Data Streams
von: Barcina-Blanco, Marcos, et al.
Veröffentlicht: (2024)

Individual Fairness Through Reweighting and Tuning
von: Mahamadou, Abdoul Jalil Djiberou, et al.
Veröffentlicht: (2024)

Evaluating the effectiveness of predicting covariates in LSTM Networks for Time Series Forecasting
von: Davies, Gareth
Veröffentlicht: (2024)

Understanding Variational Autoencoders with Intrinsic Dimension and Information Imbalance
von: Camboulin, Charles, et al.
Veröffentlicht: (2024)

DRFormer: Multi-Scale Transformer Utilizing Diverse Receptive Fields for Long Time-Series Forecasting
von: Ding, Ruixin, et al.
Veröffentlicht: (2024)

Machine Learning vs Deep Learning: The Generalization Problem
von: Bay, Yong Yi, et al.
Veröffentlicht: (2024)

How Reliable and Stable are Explanations of XAI Methods?
von: Ribeiro, José, et al.
Veröffentlicht: (2024)

Algebraic Evaluation Theorems
von: Corrada-Emmanuel, Andrés
Veröffentlicht: (2024)

TS-ACL: Closed-Form Solution for Time Series-oriented Continual Learning
von: Li, Jiaxu, et al.
Veröffentlicht: (2024)

Why Online Reinforcement Learning is Causal
von: Schulte, Oliver, et al.
Veröffentlicht: (2024)

Training Artificial Neural Networks by Coordinate Search Algorithm
von: Rokhsatyazdi, Ehsan, et al.
Veröffentlicht: (2024)

Learning Agents With Prioritization and Parameter Noise in Continuous State and Action Space
von: Mangannavar, Rajesh, et al.
Veröffentlicht: (2024)

TIFeD: a Tiny Integer-based Federated learning algorithm with Direct feedback alignment
von: Colombo, Luca, et al.
Veröffentlicht: (2024)

TACO: Tackling Over-correction in Federated Learning with Tailored Adaptive Correction
von: Liu, Weijie, et al.
Veröffentlicht: (2025)

DataRater: Meta-Learned Dataset Curation
von: Calian, Dan A., et al.
Veröffentlicht: (2025)

ParalESN: Enabling parallel information processing in Reservoir Computing
von: Pinna, Matteo, et al.
Veröffentlicht: (2026)

The Lattice Geometry of Neural Network Quantization -- A Short Equivalence Proof of GPTQ and Babai's Algorithm
von: Birnick, Johann
Veröffentlicht: (2025)

Evaluation of post-hoc interpretability methods in time-series classification
von: Turbé, Hugues, et al.
Veröffentlicht: (2022)

Understanding Goal Generalisation in Sequential Reinforcement Learning
von: Brown, Jason Ross, et al.
Veröffentlicht: (2026)

Unlearning's Blind Spots: Over-Unlearning and Prototypical Relearning Attack
von: Ha, SeungBum, et al.
Veröffentlicht: (2025)

Residual Reservoir Memory Networks
von: Pinna, Matteo, et al.
Veröffentlicht: (2025)

What changes after deployment? A survey on On-device Learning in TinyML
von: Pavan, Massimo, et al.
Veröffentlicht: (2026)

FreRA: A Frequency-Refined Augmentation for Contrastive Learning on Time Series Classification
von: Tian, Tian, et al.
Veröffentlicht: (2025)

Deep Residual Echo State Networks: exploring residual orthogonal connections in untrained Recurrent Neural Networks
von: Pinna, Matteo, et al.
Veröffentlicht: (2025)

Bounded Ratio Reinforcement Learning
von: Ao, Yunke, et al.
Veröffentlicht: (2026)

Dynamics Reveals Structure: Challenging the Linear Propagation Assumption
von: Chang, Hoyeon, et al.
Veröffentlicht: (2026)