Buchumschlag

Approximated Behavioral Metric-based State Projection for Federated Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Zengxia, An, Bohui, Lu, Zhongqi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Stochastic Approximation under Markov Noise and Heterogeneity: Applications in Reinforcement Learning
von: Khodadadian, Sajad, et al.
Veröffentlicht: (2022)

FedDriveScore: Federated Scoring Driving Behavior with a Mixture of Metric Distributions
von: Lu, Lin
Veröffentlicht: (2024)

Federated Offline Reinforcement Learning
von: Zhou, Doudou, et al.
Veröffentlicht: (2022)

Understanding Behavioral Metric Learning: A Large-Scale Study on Distracting Reinforcement Learning Environments
von: Luo, Ziyan, et al.
Veröffentlicht: (2025)

Approximate Equivariance in Reinforcement Learning
von: Park, Jung Yeon, et al.
Veröffentlicht: (2024)

Approximate Equivariance via Projection-based Regularisation
von: Berndt, Torben, et al.
Veröffentlicht: (2026)

Overcoming the Curse of Dimensionality in Reinforcement Learning Through Approximate Factorization
von: Lu, Chenbei, et al.
Veröffentlicht: (2024)

Approximating Shapley Explanations in Reinforcement Learning
von: Beechey, Daniel, et al.
Veröffentlicht: (2025)

Knowledge Boundary Discovery for Large Language Models
von: Wang, Ziquan, et al.
Veröffentlicht: (2026)

FedLGA: Towards System-Heterogeneity of Federated Learning via Local Gradient Approximation
von: Li, Xingyu, et al.
Veröffentlicht: (2021)

Differential Private Federated Transfer Learning for Mental Health Monitoring in Everyday Settings: A Case Study on Stress Detection
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Momentum Approximation in Asynchronous Private Federated Learning
von: Yu, Tao, et al.
Veröffentlicht: (2024)

Federated Learning: A Stochastic Approximation Approach
von: P V, Srihari, et al.
Veröffentlicht: (2024)

Steady-State Behavior of Constant-Stepsize Stochastic Approximation: Gaussian Approximation and Tail Bounds
von: Wang, Zedong, et al.
Veröffentlicht: (2026)

ConfClip: Confidence-Weighted and Clipped Reward for Reinforcement Learning in LLMs
von: Zhang, Bonan, et al.
Veröffentlicht: (2025)

Revisiting Bisimulation Metric for Robust Representations in Reinforcement Learning
von: Zhang, Leiji, et al.
Veröffentlicht: (2025)

Fairness in Reinforcement Learning with Bisimulation Metrics
von: Rezaei-Shoshtari, Sahand, et al.
Veröffentlicht: (2024)

Efficient Data Valuation Approximation in Federated Learning: A Sampling-based Approach
von: Wei, Shuyue, et al.
Veröffentlicht: (2025)

MIMIC-Sepsis: A Curated Benchmark for Modeling and Learning from Sepsis Trajectories in the ICU
von: Huang, Yong, et al.
Veröffentlicht: (2025)

Replicable Reinforcement Learning with Linear Function Approximation
von: Eaton, Eric, et al.
Veröffentlicht: (2025)

Nonstationary Reinforcement Learning with Linear Function Approximation
von: Zhou, Huozhi, et al.
Veröffentlicht: (2020)

Infinity Search: Approximate Vector Search with Projections on q-Metric Spaces
von: Pariente, Antonio, et al.
Veröffentlicht: (2025)

Buffer-based Gradient Projection for Continual Federated Learning
von: Dai, Shenghong, et al.
Veröffentlicht: (2024)

BXRL: Behavior-Explainable Reinforcement Learning
von: Rachum, Ram, et al.
Veröffentlicht: (2026)

Metric Design != Metric Behavior: Improving Metric Selection for the Unbiased Evaluation of Dimensionality Reduction
von: Bae, Jiyeon, et al.
Veröffentlicht: (2025)

Federated Reinforcement Learning in Heterogeneous Environments
von: Hwang, Ukjo, et al.
Veröffentlicht: (2025)

Federated Reinforcement Learning with Constraint Heterogeneity
von: Jin, Hao, et al.
Veröffentlicht: (2024)

Riemannian Laplace Approximation with the Fisher Metric
von: Yu, Hanlin, et al.
Veröffentlicht: (2023)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Adaptive Resolving Methods for Reinforcement Learning with Function Approximations
von: Jiang, Jiashuo, et al.
Veröffentlicht: (2025)

Online Robust Reinforcement Learning with General Function Approximation
von: Ghosh, Debamita, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Function Approximation: From Linear to Nonlinear
von: Long, Jihao, et al.
Veröffentlicht: (2023)

Surrogate Fitness Metrics for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2025)

A Universal Metric of Dataset Similarity for Cross-silo Federated Learning
von: Elhussein, Ahmed, et al.
Veröffentlicht: (2024)

POLAR: Policy-based Layerwise Reinforcement Learning Method for Stealthy Backdoor Attacks in Federated Learning
von: Yu, Kuai, et al.
Veröffentlicht: (2025)

FedPSA: Modeling Behavioral Staleness in Asynchronous Federated Learning
von: Lu, Chaoyi, et al.
Veröffentlicht: (2026)

Revealing the Learning Process in Reinforcement Learning Agents Through Attention-Oriented Metrics
von: Beylier, Charlotte, et al.
Veröffentlicht: (2024)

Neighboring State-based Exploration for Reinforcement Learning
von: Li, Yu-Teng, et al.
Veröffentlicht: (2022)

Generalization Bounds for Equivariant Networks on Markov Data
von: Li, Hui, et al.
Veröffentlicht: (2025)

DAD4TS: Data-Augmentation-Oriented Diffusion Model for Time-Series Forecasting with Small-Scale Data
von: Suzuki, Masahiro, et al.
Veröffentlicht: (2026)