Buchumschlag

Reinforcement Learning in POMDP's via Direct Gradient Ascent

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baxter, Jonathan, Bartlett, Peter L.
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

A result relating convex n-widths to covering numbers with some applications to neural networks
von: Baxter, Jonathan, et al.
Veröffentlicht: (2025)

Reinforcement Learning From State and Temporal Differences
von: Weaver, Lex, et al.
Veröffentlicht: (2025)

Offline RL via Feature-Occupancy Gradient Ascent
von: Neu, Gergely, et al.
Veröffentlicht: (2024)

Scaling Internal-State Policy-Gradient Methods for POMDPs
von: Aberdeen, Douglas, et al.
Veröffentlicht: (2025)

PA2D-MORL: Pareto Ascent Directional Decomposition based Multi-Objective Reinforcement Learning
von: Hu, Tianmeng, et al.
Veröffentlicht: (2026)

Is Gradient Ascent Really Necessary? Memorize to Forget for Machine Unlearning
von: Huang, Zhuo, et al.
Veröffentlicht: (2026)

Posterior Approximation using Stochastic Gradient Ascent with Adaptive Stepsize
von: Lim, Kart-Leong, et al.
Veröffentlicht: (2024)

C-IDS: Solving Contextual POMDP via Information-Directed Objective
von: Shi, Chongyang, et al.
Veröffentlicht: (2026)

Minimax Optimal Convergence of Gradient Descent in Logistic Regression via Large and Adaptive Stepsizes
von: Zhang, Ruiqi, et al.
Veröffentlicht: (2025)

The Evolution of Learning Algorithms for Artificial Neural Networks
von: Baxter, Jonathan
Veröffentlicht: (2025)

Label Smoothing Improves Gradient Ascent in LLM Unlearning
von: Pang, Zirui, et al.
Veröffentlicht: (2025)

On Gradient Descent Ascent for Nonconvex-Concave Minimax Problems
von: Lin, Tianyi, et al.
Veröffentlicht: (2019)

Large Stepsizes Accelerate Gradient Descent for Regularized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Bridging Mechanistic Interpretability and Prompt Engineering with Gradient Ascent for Interpretable Persona Control
von: Saini, Harshvardhan, et al.
Veröffentlicht: (2026)

SOAP-RL: Sequential Option Advantage Propagation for Reinforcement Learning in POMDP Environments
von: Ishida, Shu, et al.
Veröffentlicht: (2024)

Boosting Gradient Ascent for Continuous DR-submodular Maximization
von: Zhang, Qixin, et al.
Veröffentlicht: (2024)

MoMA: Model-based Mirror Ascent for Offline Reinforcement Learning
von: Hong, Mao, et al.
Veröffentlicht: (2024)

A Multi-Agent, Policy-Gradient approach to Network Routing
von: Tao, Nigel, et al.
Veröffentlicht: (2025)

Negative Stepsizes Make Gradient-Descent-Ascent Converge
von: Shugart, Henry, et al.
Veröffentlicht: (2025)

Sobolev Gradient Ascent for Optimal Transport: Barycenter Optimization and Convergence Analysis
von: Kim, Kaheon, et al.
Veröffentlicht: (2025)

Two-Timescale Gradient Descent Ascent Algorithms for Nonconvex Minimax Optimization
von: Lin, Tianyi, et al.
Veröffentlicht: (2024)

Decentralized Stochastic Gradient Descent Ascent for Finite-Sum Minimax Problems
von: Gao, Hongchang
Veröffentlicht: (2022)

Stochastic Smoothed Gradient Descent Ascent for Federated Minimax Optimization
von: Shen, Wei, et al.
Veröffentlicht: (2023)

Large Stepsize Gradient Descent for Logistic Loss: Non-Monotonicity of the Loss Improves Optimization Efficiency
von: Wu, Jingfeng, et al.
Veröffentlicht: (2024)

Benign Overfitting without Linearity: Neural Network Classifiers Trained by Gradient Descent for Noisy Linear Data
von: Frei, Spencer, et al.
Veröffentlicht: (2022)

Benefits of Early Stopping in Gradient Descent for Overparameterized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Ascent Fails to Forget
von: Mavrothalassitis, Ioannis, et al.
Veröffentlicht: (2025)

The Pursuit of Diversity: Multi-Objective Testing of Deep Reinforcement Learning Agents
von: Bartlett, Antony, et al.
Veröffentlicht: (2025)

A Statistical Analysis for Supervised Deep Learning with Exponential Families for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Trust Region Inverse Reinforcement Learning: Explicit Dual Ascent using Local Policy Updates
von: Diwan, Anish, et al.
Veröffentlicht: (2026)

Learning POMDP World Models from Observations with Language-Model Priors
von: Six, Valentin, et al.
Veröffentlicht: (2026)

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

Expert-Guided POMDP Learning for Data-Efficient Modeling in Healthcare
von: Locatelli, Marco, et al.
Veröffentlicht: (2025)

Provable Unlearning with Gradient Ascent on Two-Layer ReLU Neural Networks
von: Melamed, Odelia, et al.
Veröffentlicht: (2025)

Rao-Blackwellized POMDP Planning
von: Lee, Jiho, et al.
Veröffentlicht: (2024)

A Statistical Analysis of Deep Federated Learning for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

A Single-Loop Smoothed Gradient Descent-Ascent Algorithm for Nonconvex-Concave Min-Max Problems
von: Zhang, Jiawei, et al.
Veröffentlicht: (2020)

Dissipative Gradient Descent Ascent Method: A Control Theory Inspired Algorithm for Min-max Optimization
von: Zheng, Tianqi, et al.
Veröffentlicht: (2024)

Improved Scaling Laws in Linear Regression via Data Reuse
von: Lin, Licong, et al.
Veröffentlicht: (2025)

Training Dynamics of Softmax Self-Attention: Fast Global Convergence via Preconditioning
von: Goel, Gautam, et al.
Veröffentlicht: (2026)