Copertina

Policy gradient methods for ordinal policies

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Weinberger, Simón, Cugliari, Jairo
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Pr{é}diction optimale pour un mod{è}le ordinal {à} covariables fonctionnelles
di: Weinberger, Simón, et al.
Pubblicazione: (2025)

Almost sure convergence rates of stochastic gradient methods under gradient domination
di: Weissmann, Simon, et al.
Pubblicazione: (2024)

Equivalence of stochastic and deterministic policy gradients
di: Todorov, Emo
Pubblicazione: (2025)

Bayesian policy gradient and actor-critic algorithms
di: Ghavamzadeh, Mohammad, et al.
Pubblicazione: (2026)

Some remarks on gradient dominance and LQR policy optimization
di: Sontag, Eduardo D.
Pubblicazione: (2025)

ISOPO: Proximal policy gradients without pi-old
di: Abrahamsen, Nilin
Pubblicazione: (2025)

Trainability issues in quantum policy gradients
di: Sequeira, André, et al.
Pubblicazione: (2024)

Splitting criteria for ordinal decision trees: an experimental study
di: Ayllón-Gavilán, Rafael, et al.
Pubblicazione: (2024)

dlordinal: a Python package for deep ordinal classification
di: Bérchez-Moreno, Francisco, et al.
Pubblicazione: (2024)

A policy gradient approach for optimization of smooth risk measures
di: Vijayan, Nithia, et al.
Pubblicazione: (2022)

Geometry and convergence of natural policy gradient methods
di: Müller, Johannes, et al.
Pubblicazione: (2022)

Learning in complex action spaces without policy gradients
di: Tavakoli, Arash, et al.
Pubblicazione: (2024)

TOC-UCO: a comprehensive repository of tabular ordinal classification datasets
di: Ayllón-Gavilán, Rafael, et al.
Pubblicazione: (2025)

Convergence and sample complexity of natural policy gradient primal-dual methods for constrained MDPs
di: Ding, Dongsheng, et al.
Pubblicazione: (2022)

A policy gradient approach for Finite Horizon Constrained Markov Decision Processes
di: Guin, Soumyajit, et al.
Pubblicazione: (2022)

Binomial flows: Denoising and flow matching for discrete ordinal data
di: Shenfeld, Yair, et al.
Pubblicazione: (2026)

Transductive Off-policy Proximal Policy Optimization
di: Gan, Yaozhong, et al.
Pubblicazione: (2024)

A stochastic gradient method for trilevel optimization
di: Giovannelli, Tommaso, et al.
Pubblicazione: (2025)

Convergence of policy gradient methods for finite-horizon exploratory linear-quadratic control problems
di: Giegrich, Michael, et al.
Pubblicazione: (2022)

Exploration-Exploitation Tradeoff in Universal Lossy Compression
di: Weinberger, Nir, et al.
Pubblicazione: (2025)

A representation-learning game for classes of prediction tasks
di: Uzan, Neria, et al.
Pubblicazione: (2024)

An interpretable neural network-based non-proportional odds model for ordinal regression
di: Okuno, Akifumi, et al.
Pubblicazione: (2023)

Statistical curriculum learning: An elimination algorithm achieving an oracle risk
di: Cohen, Omer, et al.
Pubblicazione: (2024)

Smoothed functional-based gradient algorithms for off-policy reinforcement learning: A non-asymptotic viewpoint
di: Vijayan, Nithia, et al.
Pubblicazione: (2021)

Policy Newton methods for Distortion Riskmetrics
di: Pachal, Soumen, et al.
Pubblicazione: (2025)

Unlearning in- vs. out-of-distribution data in LLMs under gradient-based method
di: Baluta, Teodora, et al.
Pubblicazione: (2024)

Auto-conditioned primal-dual hybrid gradient method and alternating direction method of multipliers
di: Lan, Guanghui, et al.
Pubblicazione: (2024)

Catastrophic-risk-aware reinforcement learning with extreme-value-theory-based policy gradients
di: Davar, Parisa, et al.
Pubblicazione: (2024)

Local linear convergence of gradient methods for overparameterized Gaussian mixtures
di: Wang, Jingxing, et al.
Pubblicazione: (2026)

Conjugate gradient methods for high-dimensional GLMMs
di: Pandolfi, Andrea, et al.
Pubblicazione: (2024)

A novel gradient-based method for decision trees optimizing arbitrary differential loss functions
di: Konstantinov, Andrei V., et al.
Pubblicazione: (2025)

Quantum Maximum Likelihood Prediction via Hilbert Space Embeddings
di: Sreekumar, Sreejith, et al.
Pubblicazione: (2026)

Interpretable liquid crystal phase classification via two-by-two ordinal patterns
di: Voltarelli, Leonardo G. J. M., et al.
Pubblicazione: (2026)

Clustered KL-barycenter design for policy evaluation
di: Weissmann, Simon, et al.
Pubblicazione: (2025)

Unregularized limit of stochastic gradient method for Wasserstein distributionally robust optimization
di: Le, Tam
Pubblicazione: (2025)

Mixed Policy Gradient: off-policy reinforcement learning driven jointly by data and model
di: Guan, Yang, et al.
Pubblicazione: (2021)

On Bits and Bandits: Quantifying the Regret-Information Trade-off
di: Shufaro, Itai, et al.
Pubblicazione: (2024)

Which Algorithms Have Tight Generalization Bounds?
di: Gastpar, Michael, et al.
Pubblicazione: (2024)

Learning General Policies with Policy Gradient Methods
di: Ståhlberg, Simon, et al.
Pubblicazione: (2025)

Analysis of On-policy Policy Gradient Methods under the Distribution Mismatch
di: Wang, Weizhen, et al.
Pubblicazione: (2025)