Buchumschlag

Reinforcement Learning Using known Invariances

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cioba, Alexandru, Kayal, Aya, Toni, Laura, Vakili, Sattar, Bernacchia, Alberto
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

Near-Optimal Sample Complexity in Reward-Free Kernel-Based Reinforcement Learning
von: Kayal, Aya, et al.
Veröffentlicht: (2025)

Bayesian Optimization from Human Feedback: Near-Optimal Regret Bounds
von: Kayal, Aya, et al.
Veröffentlicht: (2025)

Sample-efficient Bayesian Optimisation Using Known Invariances
von: Brown, Theodore, et al.
Veröffentlicht: (2024)

The impact of intrinsic rewards on exploration in Reinforcement Learning
von: Kayal, Aya, et al.
Veröffentlicht: (2025)

Open Problem: Order Optimal Regret Bounds for Kernel-Based Reinforcement Learning
von: Vakili, Sattar
Veröffentlicht: (2024)

Kernelized Reinforcement Learning with Order Optimal Regret Bounds
von: Vakili, Sattar, et al.
Veröffentlicht: (2023)

Kernel-Based Function Approximation for Average Reward Reinforcement Learning: An Optimist No-Regret Algorithm
von: Vakili, Sattar, et al.
Veröffentlicht: (2024)

Exact, Tractable Gauss-Newton Optimization in Deep Reversible Architectures Reveal Poor Generalization
von: Buffelli, Davide, et al.
Veröffentlicht: (2024)

Learning Kernel-Based MDPs from Episodic Preferential Feedback
von: Pavlovic, Nikola, et al.
Veröffentlicht: (2026)

Random Exploration in Bayesian Optimization: Order-Optimal Regret and Computational Efficiency
von: Salgia, Sudeep, et al.
Veröffentlicht: (2023)

No-Regret Thompson Sampling for Finite-Horizon Markov Decision Processes with Gaussian Processes
von: Bayrooti, Jasmine, et al.
Veröffentlicht: (2025)

A Finite Time Analysis of Thompson Sampling for Bayesian Optimization with Preferential Feedback
von: Lazzaro, Joseph, et al.
Veröffentlicht: (2026)

Cross-Tokenizer LLM Distillation through a Byte-Level Interface
von: Singh, Avyav Kumar, et al.
Veröffentlicht: (2026)

Impact of Connectivity on Laplacian Representations in Reinforcement Learning
von: Giorgi, Tommaso, et al.
Veröffentlicht: (2026)

Operator-Guided Invariance Learning for Continuous Reinforcement Learning
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

Many Needles in a Haystack: Active Hit Discovery for Perturbation Experiments
von: Rubbi, Andrea, et al.
Veröffentlicht: (2026)

Learning Action-based Representations Using Invariance
von: Rudolph, Max, et al.
Veröffentlicht: (2024)

Topological Invariance and Breakdown in Learning
von: Yang, Yongyi, et al.
Veröffentlicht: (2025)

Causal Learning with the Invariance Principle
von: Montagna, Francesco, et al.
Veröffentlicht: (2026)

Continuous Invariance Learning
von: Lin, Yong, et al.
Veröffentlicht: (2023)

A Context-Aware Temporal Modeling through Unified Multi-Scale Temporal Encoding and Hierarchical Sequence Learning for Single-Channel EEG Sleep Staging
von: Vakili, Amirali, et al.
Veröffentlicht: (2025)

Understanding the Role of Invariance in Transfer Learning
von: Speicher, Till, et al.
Veröffentlicht: (2024)

Exploiting weight-space symmetries for approximating curvature
von: Artemev, Artem, et al.
Veröffentlicht: (2026)

A Survey of Temporal Credit Assignment in Deep Reinforcement Learning
von: Pignatelli, Eduardo, et al.
Veröffentlicht: (2023)

Graph Reinforcement Learning for Combinatorial Optimization: A Survey and Unifying Perspective
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2024)

Unifying Causal Representation Learning with the Invariance Principle
von: Yao, Dingling, et al.
Veröffentlicht: (2024)

Self-Supervised Learning from Structural Invariance
von: Zhang, Yipeng, et al.
Veröffentlicht: (2026)

Effects of Dropout on Performance in Long-range Graph Learning Tasks
von: Singh, Jasraj, et al.
Veröffentlicht: (2025)

Tree Search in DAG Space with Model-based Reinforcement Learning for Causal Discovery
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2023)

Quantile-Coupled Flow Matching for Distributional Reinforcement Learning
von: Groom, Michael, et al.
Veröffentlicht: (2026)

Optimal Bayesian Affine Estimator and Active Learning for the Wiener Model
von: Vakili, Sasan, et al.
Veröffentlicht: (2025)

ScaleNet: Scale Invariance Learning in Directed Graphs
von: Jiang, Qin, et al.
Veröffentlicht: (2024)

Learning with Exact Invariances in Polynomial Time
von: Soleymani, Ashkan, et al.
Veröffentlicht: (2025)

JaxWildfire: A GPU-Accelerated Wildfire Simulator for Reinforcement Learning
von: Çakır, Ufuk, et al.
Veröffentlicht: (2025)

Hyperbolic Residual Quantization: Discrete Representations for Data with Latent Hierarchies
von: Piękos, Piotr, et al.
Veröffentlicht: (2025)

Invariance Pair-Guided Learning: Enhancing Robustness in Neural Networks
von: Surner, Martin, et al.
Veröffentlicht: (2025)

Understanding Learning Invariance in Deep Linear Networks
von: Duan, Hao, et al.
Veröffentlicht: (2025)

Heterogeneous Graph Structure Learning through the Lens of Data-generating Processes
von: Jiang, Keyue, et al.
Veröffentlicht: (2025)

Learning Linear Dynamics from Bilinear Observations
von: Sattar, Yahya, et al.
Veröffentlicht: (2024)

Post-Training Augmentation Invariance
von: Eikenberry, Keenan, et al.
Veröffentlicht: (2025)