:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tanneberg, Daniel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2507.11367
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neuro-Symbolic Imitation Learning: Discovering Symbolic Abstractions for Skill Learning
von: Keller, Leon, et al.
Veröffentlicht: (2025)

SAL: Selective Adaptive Learning for Backpropagation-Free Training with Sparsification
von: Liu, Fanping, et al.
Veröffentlicht: (2026)

Backpropagation-Free Metropolis-Adjusted Langevin Algorithm
von: Cobb, Adam D., et al.
Veröffentlicht: (2025)

Reinforcement Learning with Pairwise Preferences in Long-Term Decision Problems
von: Carr, Jonathan Colaço, et al.
Veröffentlicht: (2026)

Preference-based Reinforcement Learning beyond Pairwise Comparisons: Benefits of Multiple Options
von: Lee, Joongkyu, et al.
Veröffentlicht: (2025)

Practical Boolean Backpropagation
von: Golbert, Simon
Veröffentlicht: (2025)

Pairwise Difference Learning for Classification
von: Belaid, Mohamed Karim, et al.
Veröffentlicht: (2024)

Efficient Epistemic Uncertainty Estimation in Regression Ensemble Models Using Pairwise-Distance Estimators
von: Berry, Lucas, et al.
Veröffentlicht: (2023)

BAFFLE: A Baseline of Backpropagation-Free Federated Learning
von: Feng, Haozhe, et al.
Veröffentlicht: (2023)

Beyond Backpropagation: Optimization with Multi-Tangent Forward Gradients
von: Flügel, Katharina, et al.
Veröffentlicht: (2024)

Learning without Global Backpropagation via Synergistic Information Distillation
von: Ye, Chenhao, et al.
Veröffentlicht: (2025)

Stochastic Layer-wise Learning: Scalable and Efficient Alternative to Backpropagation
von: Yin, Bojian, et al.
Veröffentlicht: (2025)

Pairwise Calibrated Rewards for Pluralistic Alignment
von: Halpern, Daniel, et al.
Veröffentlicht: (2025)

ELM-DeepONets: Backpropagation-Free Training of Deep Operator Networks via Extreme Learning Machines
von: Son, Hwijae
Veröffentlicht: (2025)

LeanTTA: A Backpropagation-Free and Stateless Approach to Quantized Test-Time Adaptation on Edge Devices
von: Dong, Cynthia, et al.
Veröffentlicht: (2025)

Controllable Flow Matching for Online Reinforcement Learning
von: Wang, Bin, et al.
Veröffentlicht: (2025)

Advancing On-Device Neural Network Training with TinyPropv2: Dynamic, Sparse, and Efficient Backpropagation
von: Rüb, Marcus, et al.
Veröffentlicht: (2024)

Entropy-Regularized Adjoint Matching for Offline Reinforcement Learning
von: Ghanem, Abdelghani, et al.
Veröffentlicht: (2026)

Discrete Flow Matching for Offline-to-Online Reinforcement Learning
von: Khan, Fairoz Nower, et al.
Veröffentlicht: (2026)

Bounded-Abstention Pairwise Learning to Rank
von: Ferrara, Antonio, et al.
Veröffentlicht: (2025)

HKAN: Hierarchical Kolmogorov-Arnold Network without Backpropagation
von: Dudek, Grzegorz, et al.
Veröffentlicht: (2025)

Dense Backpropagation Improves Training for Sparse Mixture-of-Experts
von: Panda, Ashwinee, et al.
Veröffentlicht: (2025)

GRADE: Replacing Policy Gradients with Backpropagation for LLM Alignment
von: Nel, Lukas Abrie
Veröffentlicht: (2025)

Dynamic Spectral Backpropagation for Efficient Neural Network Training
von: Muthuraman, Mannmohan
Veröffentlicht: (2025)

Exploring the Performance of Perforated Backpropagation through Further Experiments
von: Brenner, Rorry, et al.
Veröffentlicht: (2025)

Fast and Featureless Node Representation Learning with Partial Pairwise Supervision
von: Chakraborty, Sujan, et al.
Veröffentlicht: (2026)

A Distance-based Anomaly Detection Framework for Deep Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2021)

Composite Flow Matching for Reinforcement Learning with Shifted-Dynamics Data
von: Kong, Lingkai, et al.
Veröffentlicht: (2025)

Flow Matching with Injected Noise for Offline-to-Online Reinforcement Learning
von: Shin, Yongjae, et al.
Veröffentlicht: (2026)

Approximate Subgraph Matching with Neural Graph Representations and Reinforcement Learning
von: Li, Kaiyang, et al.
Veröffentlicht: (2026)

Fine-tuning Diffusion Policies with Backpropagation Through Diffusion Timesteps
von: Yang, Ningyuan, et al.
Veröffentlicht: (2025)

Quantifying Multimodal Capabilities: Formal Generalization Guarantees in Pairwise Metric Learning
von: Zhou, Richeng, et al.
Veröffentlicht: (2026)

Locally Constrained Representations in Reinforcement Learning
von: Nath, Somjit, et al.
Veröffentlicht: (2022)

Shift of Pairwise Similarities for Data Clustering
von: Chehreghani, Morteza Haghir
Veröffentlicht: (2021)

An Explainable Multi-Task Similarity Measure: Integrating Accumulated Local Effects and Weighted Fréchet Distance
von: Hidalgo, Pablo, et al.
Veröffentlicht: (2026)

Regret-Free Reinforcement Learning for LTL Specifications
von: Majumdar, Rupak, et al.
Veröffentlicht: (2024)

Breaking the Grid: Distance-Guided Reinforcement Learning in Large Discrete Action Spaces
von: Hoppe, Heiko, et al.
Veröffentlicht: (2026)

Learning Local Constraints for Reinforcement-Learned Content Generators
von: Bhaumik, Debosmita, et al.
Veröffentlicht: (2026)

FlowCritic: Bridging Value Estimation with Flow Matching in Reinforcement Learning
von: Zhong, Shan, et al.
Veröffentlicht: (2025)

Epigraph-Guided Flow Matching for Safe and Performant Offline Reinforcement Learning
von: Tayal, Manan, et al.
Veröffentlicht: (2026)