Buchumschlag

Is Bellman Equation Enough for Learning Control?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	You, Haoxiang, Molu, Lekan, Abraham, Ian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Verification-Aided Learning of Neural Network Barrier Functions with Termination Guarantees
von: Chen, Shaoru, et al.
Veröffentlicht: (2024)

Verifiable Error Bounds for Physics-Informed Neural Network Solutions of Lyapunov and Hamilton-Jacobi-Bellman Equations
von: Liu, Jun
Veröffentlicht: (2026)

Quotient-Categorical Representations for Bellman-Compatible Average-Reward Distributional Reinforcement Learning
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)

Fast Whole-Body Strain Regulation in Continuum Robots
von: Molu, Lekan
Veröffentlicht: (2023)

The Python LevelSet Toolbox (LevelSetPy)
von: Molu, Lekan
Veröffentlicht: (2024)

Beyond the Bellman Recursion: A Pontryagin-Guided Framework for Non-Exponential Discounting
von: Ko, Hojin, et al.
Veröffentlicht: (2026)

Bellman Optimality of Average-Reward Robust Markov Decision Processes with a Constant Gain
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)

Natural Policy Gradient as Doubly Smoothed Policy Iteration: A Bellman-Operator Framework
von: Nanda, Phalguni, et al.
Veröffentlicht: (2026)

Control and optimization for Neural Partial Differential Equations in Supervised Learning
von: Bensoussan, Alain, et al.
Veröffentlicht: (2025)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, et al.
Veröffentlicht: (2025)

ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
von: Li, Xingchen, et al.
Veröffentlicht: (2026)

Distributed Learning over Arbitrary Topology: Linear Speed-Up with Polynomial Transient Time
von: You, Runze, et al.
Veröffentlicht: (2025)

FedSUM Family: Efficient Federated Learning Methods under Arbitrary Client Participation
von: You, Runze, et al.
Veröffentlicht: (2025)

Control, Optimal Transport and Neural Differential Equations in Supervised Learning
von: Phung, Minh-Nhat, et al.
Veröffentlicht: (2025)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Dissipative Gradient Descent Ascent Method: A Control Theory Inspired Algorithm for Min-max Optimization
von: Zheng, Tianqi, et al.
Veröffentlicht: (2024)

On Bellman equations for continuous-time policy evaluation I: discretization and approximation
von: Mou, Wenlong, et al.
Veröffentlicht: (2024)

Policy Transfer for Continuous-Time Reinforcement Learning: A (Rough) Differential Equation Approach
von: Guo, Xin, et al.
Veröffentlicht: (2025)

Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence
von: Bonalli, Riccardo, et al.
Veröffentlicht: (2023)

Learning to optimize with guarantees: a complete characterization of linearly convergent algorithms
von: Martin, Andrea, et al.
Veröffentlicht: (2025)

Controlling Participation in Federated Learning with Feedback
von: Cummins, Michael, et al.
Veröffentlicht: (2024)

Meta-Learning for Physically-Constrained Neural System Identification
von: Chakrabarty, Ankush, et al.
Veröffentlicht: (2025)

Safe Online Control-Informed Learning
von: Zhou, Tianyu, et al.
Veröffentlicht: (2025)

Online Learning for Supervisory Switching Control
von: Sun, Haoyuan, et al.
Veröffentlicht: (2026)

Reinforcement Learning and Regret Bounds for Admission Control
von: Weber, Lucas, et al.
Veröffentlicht: (2024)

Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
von: Qiu, Pu, et al.
Veröffentlicht: (2026)

Statistical Robustness of Interval CVaR Based Regression Models under Perturbation and Contamination
von: You, Yulei, et al.
Veröffentlicht: (2026)

Identification of Non-causal Graphical Models
von: You, Junyao, et al.
Veröffentlicht: (2024)

Control Theoretic Approach to Fine-Tuning and Transfer Learning
von: Bayram, Erkan, et al.
Veröffentlicht: (2024)

In-Context Learning for Data-Driven Censored Inventory Control
von: Mukherjee, Sohom, et al.
Veröffentlicht: (2026)

Tractable Representations for Convergent Approximation of Distributional HJB Equations
von: Alhosh, Julie, et al.
Veröffentlicht: (2025)

Grower-in-the-Loop Interactive Reinforcement Learning for Greenhouse Climate Control
von: Xiao, Maxiu, et al.
Veröffentlicht: (2025)

Learning to Solve Constrained Bilevel Control Co-Design Problems
von: Kotary, James, et al.
Veröffentlicht: (2025)

Mean-Field Generalisation Bounds for Learning Controls in Stochastic Environments
von: Baros, Boris, et al.
Veröffentlicht: (2025)

DR-PETS: Learning-Based Control With Planning in Adversarial Environments
von: Jesawada, Hozefa, et al.
Veröffentlicht: (2025)

Fast Policy Learning for Linear Quadratic Control with Entropy Regularization
von: Guo, Xin, et al.
Veröffentlicht: (2023)

Recent Developments in Machine Learning Methods for Stochastic Control and Games
von: Hu, Ruimeng, et al.
Veröffentlicht: (2023)

An Efficient On-Policy Deep Learning Framework for Stochastic Optimal Control
von: Hua, Mengjian, et al.
Veröffentlicht: (2024)

A Hessian-Aware Stochastic Differential Equation for Modelling SGD
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Deep Backward and Galerkin Methods for the Finite State Master Equation
von: Cohen, Asaf, et al.
Veröffentlicht: (2024)