Buchumschlag

Dynamic Reinforcement Learning for Actors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Shibata, Katsunari
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning
von: Chen, Ding, et al.
Veröffentlicht: (2024)

Evolving Reservoirs for Meta Reinforcement Learning
von: Léger, Corentin, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning with Spiking Q-learning
von: Chen, Ding, et al.
Veröffentlicht: (2022)

QF-tuner: Breaking Tradition in Reinforcement Learning
von: Jumaah, Mahmood A., et al.
Veröffentlicht: (2024)

Learning Heuristics for Transit Network Design and Improvement with Deep Reinforcement Learning
von: Holliday, Andrew, et al.
Veröffentlicht: (2024)

AI Olympics challenge with Evolutionary Soft Actor Critic
von: Calì, Marco, et al.
Veröffentlicht: (2024)

Frequency and Generalisation of Periodic Activation Functions in Reinforcement Learning
von: Mavor-Parker, Augustine N., et al.
Veröffentlicht: (2024)

Generalized Population-Based Training for Hyperparameter Optimization in Reinforcement Learning
von: Bai, Hui, et al.
Veröffentlicht: (2024)

Unveiling the Decision-Making Process in Reinforcement Learning with Genetic Programming
von: Eberhardinger, Manuel, et al.
Veröffentlicht: (2024)

Transformer-Empowered Actor-Critic Reinforcement Learning for Sequence-Aware Service Function Chain Partitioning
von: Hsu, Cyril Shih-Huan, et al.
Veröffentlicht: (2025)

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning
von: Qiu, Xin, et al.
Veröffentlicht: (2025)

REACT: Revealing Evolutionary Action Consequence Trajectories for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Beyond Single-Model Optimization: Preserving Plasticity in Continual Reinforcement Learning
von: Lillo, Lute, et al.
Veröffentlicht: (2026)

Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities
von: Song, Yanjie, et al.
Veröffentlicht: (2023)

A Low Latency Adaptive Coding Spiking Framework for Deep Reinforcement Learning
von: Qin, Lang, et al.
Veröffentlicht: (2022)

SpikeRL: A Scalable and Energy-efficient Framework for Deep Spiking Reinforcement Learning
von: Tahmid, Tokey, et al.
Veröffentlicht: (2025)

CDRL: A Reinforcement Learning Framework Inspired by Cerebellar Circuits and Dendritic Computational Strategies
von: Zhang, Sibo, et al.
Veröffentlicht: (2026)

Dynamic Design of Machine Learning Pipelines via Metalearning
von: Alcobaça, Edesio, et al.
Veröffentlicht: (2025)

SPEAR: Structured Pruning for Spiking Neural Networks via Synaptic Operation Estimation and Reinforcement Learning
von: Xie, Hui, et al.
Veröffentlicht: (2025)

Scalability of Reinforcement Learning Methods for Dispatching in Semiconductor Frontend Fabs: A Comparison of Open-Source Models with Real Industry Datasets
von: Stöckermann, Patrick, et al.
Veröffentlicht: (2025)

Reinforced In-Context Black-Box Optimization
von: Song, Lei, et al.
Veröffentlicht: (2024)

SiGNN: A Spike-induced Graph Neural Network for Dynamic Graph Representation Learning
von: Chen, Dong, et al.
Veröffentlicht: (2024)

Unveiling the Potential of Spiking Dynamics in Graph Representation Learning through Spatial-Temporal Normalization and Coding Strategies
von: Xu, Mingkun, et al.
Veröffentlicht: (2024)

Synergizing Quality-Diversity with Descriptor-Conditioned Reinforcement Learning
von: Faldor, Maxence, et al.
Veröffentlicht: (2023)

Diffusion Policies for Out-of-Distribution Generalization in Offline Reinforcement Learning
von: Ada, Suzan Ece, et al.
Veröffentlicht: (2023)

Investigating Recurrent Transformers with Dynamic Halt
von: Chowdhury, Jishnu Ray, et al.
Veröffentlicht: (2024)

Dynamic Spiking Framework for Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2023)

Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids
von: Sepúlveda, Carlos S., et al.
Veröffentlicht: (2026)

Synaptic Activation and Dual Liquid Dynamics for Interpretable Bio-Inspired Models
von: Farsang, Mónika, et al.
Veröffentlicht: (2026)

General-Purpose In-Context Learning by Meta-Learning Transformers
von: Kirsch, Louis, et al.
Veröffentlicht: (2022)

CosineGate: Semantic Dynamic Routing via Cosine Incompatibility in Residual Networks
von: Thota, Yogeswar Reddy
Veröffentlicht: (2025)

Multiscale Astrocyte Network Calcium Dynamics for Biologically Plausible Intelligence in Anomaly Detection
von: Iskar, Berk, et al.
Veröffentlicht: (2025)

Recursive Dynamics in Fast-Weights Homeostatic Reentry Networks: Toward Reflective Intelligence
von: Chae, B. G.
Veröffentlicht: (2025)

Agent-GWO: Collaborative Agents for Dynamic Prompt Optimization in Large Language Models
von: Wang, Xudong, et al.
Veröffentlicht: (2026)

Izhikevich-Inspired Temporal Dynamics for Enhancing Privacy, Efficiency, and Transferability in Spiking Neural Networks
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

Sample-based Dynamic Hierarchical Transformer with Layer and Head Flexibility via Contextual Bandit
von: Meng, Fanfei, et al.
Veröffentlicht: (2023)

GOAL: Graph-based Objective-Aligned Diffusion Solvers for Dynamic Multi-Objective Optimization
von: Li, Xingyu
Veröffentlicht: (2026)

Hebbian Learning based Orthogonal Projection for Continual Learning of Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

Counter-Current Learning: A Biologically Plausible Dual Network Approach for Deep Learning
von: Kao, Chia-Hsiang, et al.
Veröffentlicht: (2024)

Learning and Improving Backgammon Strategy
von: Galperin, Gregory R.
Veröffentlicht: (2025)