Buchumschlag

Universal Approximation Theorem for Deep Q-Learning via FBSDE System

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Qi, Qian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fitted Q-Iteration via Max-Plus-Linear Approximation
von: Liu, Y., et al.
Veröffentlicht: (2024)

Universal Approximation Theorem of Deep Q-Networks
von: Qi, Qian
Veröffentlicht: (2025)

Multi-Year Maintenance Planning for Large-Scale Infrastructure Systems: A Novel Network Deep Q-Learning Approach
von: Fard, Amir, et al.
Veröffentlicht: (2025)

Robust Control with Gradient Uncertainty
von: Qi, Qian
Veröffentlicht: (2025)

Differentiable Optimization for Deep Learning-Enhanced DC Approximation of AC Optimal Power Flow
von: Rosemberg, Andrew, et al.
Veröffentlicht: (2025)

A Deep Q-Network Based on Radial Basis Functions for Multi-Echelon Inventory Management
von: Cheng, Liqiang, et al.
Veröffentlicht: (2024)

Neural Brownian Motion
von: Qi, Qian
Veröffentlicht: (2025)

Weighted Low-rank Approximation via Stochastic Gradient Descent on Manifolds
von: Xu, Conglong, et al.
Veröffentlicht: (2025)

Closing the Loop: Coordinating Inventory and Recommendation via Deep Reinforcement Learning on Multiple Timescales
von: Jiang, Jinyang, et al.
Veröffentlicht: (2025)

Learning the Riccati solution operator for time-varying LQR via Deep Operator Networks
von: Chen, Jun, et al.
Veröffentlicht: (2026)

Q-Learning under Finite Model Uncertainty
von: Sester, Julian, et al.
Veröffentlicht: (2024)

Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning
von: Li, Jingqi, et al.
Veröffentlicht: (2022)

Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
von: Li, Hongpei, et al.
Veröffentlicht: (2024)

Understanding Optimization in Deep Learning with Central Flows
von: Cohen, Jeremy M., et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Traveling Purchaser Problems
von: Yuan, Haofeng, et al.
Veröffentlicht: (2024)

Deep Learning for Two-Stage Robust Integer Optimization
von: Dumouchelle, Justin, et al.
Veröffentlicht: (2023)

An Approximate Ascent Approach To Prove Convergence of PPO
von: Doering, Leif, et al.
Veröffentlicht: (2026)

Multi-Objective Optimization for Sparse Deep Multi-Task Learning
von: Hotegni, S. S., et al.
Veröffentlicht: (2023)

Neural Hamiltonian Operator
von: Qi, Qian
Veröffentlicht: (2025)

Benchmarking Reinforcement Learning via Stochastic Converse Optimality: Generating Systems with Known Optimal Policies
von: Ibrahim, Sinan, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Delivery Delay Duration Prediction via Multi-Task Deep Learning
von: Faulkner, Stefan, et al.
Veröffentlicht: (2026)

Isotropic Curvature Model for Understanding Deep Learning Optimization: Is Gradient Orthogonalization Optimal?
von: Su, Weijie
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
von: Wan, Pengfu, et al.
Veröffentlicht: (2025)

Deep learning enhanced mixed integer optimization: Learning to reduce model dimensionality
von: Triantafyllou, Niki, et al.
Veröffentlicht: (2024)

An Improved Finite-time Analysis of Temporal Difference Learning with Deep Neural Networks
von: Ke, Zhifa, et al.
Veröffentlicht: (2024)

Q3R: Quadratic Reweighted Rank Regularizer for Effective Low-Rank Training
von: Ghosh, Ipsita, et al.
Veröffentlicht: (2025)

Joint Problems in Learning Multiple Dynamical Systems
von: Niu, Mengjia, et al.
Veröffentlicht: (2023)

Geometric Neural Operators (GNPs) for Data-Driven Deep Learning of Non-Euclidean Operators
von: Quackenbush, Blaine, et al.
Veröffentlicht: (2024)

Ginger: An Efficient Curvature Approximation with Linear Complexity for General Neural Networks
von: Hao, Yongchang, et al.
Veröffentlicht: (2024)

Asymptotic and Finite Sample Analysis of Nonexpansive Stochastic Approximations with Markovian Noise
von: Blaser, Ethan, et al.
Veröffentlicht: (2024)

Agentic Transformers Provably Learn to Search via Reinforcement Learning
von: Yang, Tong, et al.
Veröffentlicht: (2026)

Classical and Deep Reinforcement Learning Inventory Control Policies for Pharmaceutical Supply Chains with Perishability and Non-Stationarity
von: Stranieri, Francesco, et al.
Veröffentlicht: (2025)

Deep Learning for Sequential Decision Making under Uncertainty: Foundations, Frameworks, and Frontiers
von: Buyuktahtakin, I. Esra
Veröffentlicht: (2026)

Learning Generative Dynamics with Soft Law Constraints: A McKean-Vlasov FBSDE Approach
von: Boustany, Samer El, et al.
Veröffentlicht: (2026)

AI2STOW: End-to-End Deep Reinforcement Learning to Construct Master Stowage Plans under Demand Uncertainty
von: Van Twiller, Jaike, et al.
Veröffentlicht: (2025)

Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates
von: Mana, Kyle, et al.
Veröffentlicht: (2023)

Deep Learning as the Disciplined Construction of Tame Objects
von: Bareilles, Gilles, et al.
Veröffentlicht: (2025)

Hierarchical Deep Reinforcement Learning Framework for Multi-Year Asset Management Under Budget Constraints
von: Fard, Amir, et al.
Veröffentlicht: (2025)

Reward-Directed Score-Based Diffusion Models via q-Learning
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

Approximate and Weighted Data Reconstruction Attack in Federated Learning
von: Song, Yongcun, et al.
Veröffentlicht: (2023)