Buchumschlag

Mean-Field Generalisation Bounds for Learning Controls in Stochastic Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baros, Boris, Cohen, Samuel N., Reisinger, Christoph
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

$K$-Nearest-Neighbor Resampling for Off-Policy Evaluation in Stochastic Control
von: Giegrich, Michael, et al.
Veröffentlicht: (2023)

Convergence of Actor-Critic Learning for Mean Field Games and Mean Field Control in Continuous Spaces
von: Fouque, Jean-Pierre, et al.
Veröffentlicht: (2025)

A Mean-Field Analysis of Neural Stochastic Gradient Descent-Ascent for Functional Minimax Optimization
von: Zhu, Yuchen, et al.
Veröffentlicht: (2024)

Learning to Stop: Deep Learning for Mean Field Optimal Stopping
von: Magnino, Lorenzo, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2024)

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

Can Temporal-Difference and Q-Learning Learn Representation? A Mean-Field Theory
von: Zhang, Yufeng, et al.
Veröffentlicht: (2020)

Mirror Mean-Field Langevin Dynamics
von: Gu, Anming, et al.
Veröffentlicht: (2025)

Linear-Quadratic Mean-Field Reinforcement Learning: Convergence of Policy Gradient Methods
von: Carmona, René, et al.
Veröffentlicht: (2019)

Deep Reinforcement Learning for Infinite Horizon Mean Field Problems in Continuous Spaces
von: Angiuli, Andrea, et al.
Veröffentlicht: (2023)

Analysis of Multiscale Reinforcement Q-Learning Algorithms for Mean Field Control Games
von: Angiuli, Andrea, et al.
Veröffentlicht: (2024)

Learning Decentralized Partially Observable Mean Field Control for Artificial Collective Behavior
von: Cui, Kai, et al.
Veröffentlicht: (2023)

Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Solving Stochastic Variational Inequalities without the Bounded Variance Assumption
von: Alacaoglu, Ahmet, et al.
Veröffentlicht: (2026)

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)

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

Wasserstein Flow Meets Replicator Dynamics: A Mean-Field Analysis of Representation Learning in Actor-Critic
von: Zhang, Yufeng, et al.
Veröffentlicht: (2021)

Derivatives of Stochastic Gradient Descent in parametric optimization
von: Iutzeler, Franck, et al.
Veröffentlicht: (2024)

New Lower Bounds for Stochastic Non-Convex Optimization through Divergence Decomposition
von: Saad, El Mehdi, et al.
Veröffentlicht: (2025)

Non-Asymptotic Optimization and Generalization Bounds for Stochastic Gauss-Newton in Overparameterized Models
von: Cayci, Semih
Veröffentlicht: (2025)

An Efficient Spatial Branch-and-Bound Algorithm for Global Optimization of Gaussian Process Posterior Mean Functions
von: Tang, Wei-Ting, et al.
Veröffentlicht: (2026)

Gradient-Free Approaches is a Key to an Efficient Interaction with Markovian Stochasticity
von: Prokhorov, Boris, et al.
Veröffentlicht: (2026)

High-dimensional Mean-Field Games by Particle-based Flow Matching
von: Yu, Jiajia, et al.
Veröffentlicht: (2025)

Non-Asymptotic Bounds for Closed-Loop Identification of Unstable Nonlinear Stochastic Systems
von: Siriya, Seth, et al.
Veröffentlicht: (2024)

Towards Fully Parameter-Free Stochastic Optimization: Grid Search with Self-Bounding Analysis
von: Zhao, Yuheng, et al.
Veröffentlicht: (2026)

High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise
von: Gorbunov, Eduard, et al.
Veröffentlicht: (2021)

A Two-Time-Scale Stochastic Optimization Framework with Applications in Control and Reinforcement Learning
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control
von: Kato, Teruki, et al.
Veröffentlicht: (2026)

Mean-Field Langevin Dynamics for Signed Measures via a Bilevel Approach
von: Wang, Guillaume, et al.
Veröffentlicht: (2024)

Major-Minor Mean Field Multi-Agent Reinforcement Learning
von: Cui, Kai, et al.
Veröffentlicht: (2023)

Mean-Field Limits for Two-Layer Neural Networks Trained with Consensus-Based Optimization
von: De Deyn, William, et al.
Veröffentlicht: (2025)

Deep Generalized Schrödinger Bridges: From Image Generation to Solving Mean-Field Games
von: Liu, Guan-Horng, et al.
Veröffentlicht: (2024)

Learning Surrogate Potential Mean Field Games via Gaussian Processes: A Data-Driven Approach to Ill-Posed Inverse Problems
von: Zhang, Jingguo, et al.
Veröffentlicht: (2025)

Tight Finite Time Bounds of Two-Time-Scale Linear Stochastic Approximation with Markovian Noise
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2023)

Complexity Lower Bounds of Adaptive Gradient Algorithms for Non-convex Stochastic Optimization under Relaxed Smoothness
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

A Stochastic-Gradient-based Interior-Point Algorithm for Solving Smooth Bound-Constrained Optimization Problems
von: Curtis, Frank E., et al.
Veröffentlicht: (2023)

Matching the Statistical Query Lower Bound for $k$-Sparse Parity Problems with Sign Stochastic Gradient Descent
von: Kou, Yiwen, et al.
Veröffentlicht: (2024)

A Taxonomy of Loss Functions for Stochastic Optimal Control
von: Domingo-Enrich, Carles
Veröffentlicht: (2024)

Kernel Mean Embedding Topology: Weak and Strong Forms for Stochastic Kernels and Implications for Model Learning
von: Saldi, Naci, et al.
Veröffentlicht: (2025)