Buchumschlag

Local Linearity: the Key for No-regret Reinforcement Learning in Continuous MDPs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maran, Davide, Metelli, Alberto Maria, Papini, Matteo, Restelli, Marcello
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

Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs
von: Maran, Davide, et al.
Veröffentlicht: (2024)

No-Regret Reinforcement Learning in Smooth MDPs
von: Maran, Davide, et al.
Veröffentlicht: (2024)

Policy Gradient with Active Importance Sampling
von: Papini, Matteo, et al.
Veröffentlicht: (2024)

Statistical Analysis of Policy Space Compression Problem
von: Molaei, Majid, et al.
Veröffentlicht: (2024)

Finite Sample Bounds for Non-Parametric Regression: Optimal Sample Efficiency and Space Complexity
von: Maran, Davide, et al.
Veröffentlicht: (2024)

Online Market Making and the Value of Observing the Order Book
von: Maran, Davide, et al.
Veröffentlicht: (2026)

Learning in Markov Decision Processes with Exogenous Dynamics
von: Maran, Davide, et al.
Veröffentlicht: (2026)

Actor-Critic with Active Importance Sampling
von: Molaei, Majid, et al.
Veröffentlicht: (2026)

Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting
von: Russo, Alessio, et al.
Veröffentlicht: (2024)

Inverse Reinforcement Learning with Sub-optimal Experts
von: Poiani, Riccardo, et al.
Veröffentlicht: (2024)

Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis
von: Bonetti, Paolo, et al.
Veröffentlicht: (2024)

A Provably Efficient Option-Based Algorithm for both High-Level and Low-Level Learning
von: Drappo, Gianluca, et al.
Veröffentlicht: (2024)

Autoregressive Bandits
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2022)

Achieving $\widetilde{\mathcal{O}}(\sqrt{T})$ Regret in Average-Reward POMDPs with Known Observation Models
von: Russo, Alessio, et al.
Veröffentlicht: (2025)

Pure Exploration under Mediators' Feedback
von: Poiani, Riccardo, et al.
Veröffentlicht: (2023)

Power Grid Control with Graph-Based Distributed Reinforcement Learning
von: Fabrizio, Carlo, et al.
Veröffentlicht: (2025)

Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2024)

How Log-Barrier Helps Exploration in Policy Optimization
von: Cesani, Leonardo, et al.
Veröffentlicht: (2026)

Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach
von: Poiani, Riccardo, et al.
Veröffentlicht: (2024)

State and Action Factorization in Power Grids
von: Losapio, Gianvito, et al.
Veröffentlicht: (2024)

Learning Optimal Deterministic Policies with Stochastic Policy Gradients
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2024)

Gym4ReaL: A Suite for Benchmarking Real-World Reinforcement Learning
von: Salaorni, Davide, et al.
Veröffentlicht: (2025)

Information Capacity Regret Bounds for Bandits with Mediator Feedback
von: Eldowa, Khaled, et al.
Veröffentlicht: (2024)

Bridging Rested and Restless Bandits with Graph-Triggering: Rising and Rotting
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2024)

Optimal Multi-Fidelity Best-Arm Identification
von: Poiani, Riccardo, et al.
Veröffentlicht: (2024)

Best Arm Identification for Stochastic Rising Bandits
von: Mussi, Marco, et al.
Veröffentlicht: (2023)

Learning Deterministic Policies with Policy Gradients in Constrained Markov Decision Processes
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2025)

A Reinforcement Learning Approach for Optimal Control in Microgrids
von: Salaorni, Davide, et al.
Veröffentlicht: (2025)

Reusing Trajectories in Policy Gradients Enables Fast Convergence
von: Montenegro, Alessandro, et al.
Veröffentlicht: (2025)

Scalable Multi-Agent Offline Reinforcement Learning and the Role of Information
von: Zamboni, Riccardo, et al.
Veröffentlicht: (2025)

Sharing Knowledge in Multi-Task Deep Reinforcement Learning
von: D'Eramo, Carlo, et al.
Veröffentlicht: (2024)

Towards Principled Unsupervised Multi-Agent Reinforcement Learning
von: Zamboni, Riccardo, et al.
Veröffentlicht: (2025)

"So, Tell Me About Your Policy...": Distillation of interpretable policies from Deep Reinforcement Learning agents
von: Dispoto, Giovanni, et al.
Veröffentlicht: (2025)

Building surrogate models using trajectories of agents trained by Reinforcement Learning
von: Cestero, Julen, et al.
Veröffentlicht: (2025)

Parameterized Projected Bellman Operator
von: Vincent, Théo, et al.
Veröffentlicht: (2023)

Generalizing Behavior via Inverse Reinforcement Learning with Closed-Form Reward Centroids
von: Lazzati, Filippo, et al.
Veröffentlicht: (2025)

Online Dynamic Pricing of Complementary Products
von: Mussi, Marco, et al.
Veröffentlicht: (2025)

Performance Improvement Bounds for Lipschitz Configurable Markov Decision Processes
von: Metelli, Alberto Maria
Veröffentlicht: (2024)

Reinforcement Learning for Infinite-Horizon Average-Reward Linear MDPs via Approximation by Discounted-Reward MDPs
von: Hong, Kihyuk, et al.
Veröffentlicht: (2024)

Robustness in the Face of Partial Identifiability in Reward Learning
von: Lazzati, Filippo, et al.
Veröffentlicht: (2025)