:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Wenye, Chen, Hongxu, Liu, Jiacai, Wei, Ke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	https://arxiv.org/abs/2512.24056
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Convergence of Policy Mirror Descent with Temporal Difference Evaluation
von: Liu, Jiacai, et al.
Veröffentlicht: (2025)

Elementary Analysis of Policy Gradient Methods
von: Liu, Jiacai, et al.
Veröffentlicht: (2024)

On the Convergence of Policy in Unregularized Policy Mirror Descent
von: Lin, Dachao, et al.
Veröffentlicht: (2022)

On the Convergence of Projected Policy Gradient for Any Constant Step Sizes
von: Liu, Jiacai, et al.
Veröffentlicht: (2023)

Convergence of Policy Mirror Descent Beyond Compatible Function Approximation
von: Sherman, Uri, et al.
Veröffentlicht: (2025)

Decentralized Non-convex Stochastic Optimization with Heterogeneous Variance
von: Chen, Hongxu, et al.
Veröffentlicht: (2026)

Value Mirror Descent for Reinforcement Learning
von: Jia, Zhichao, et al.
Veröffentlicht: (2026)

Parameter-free Mirror Descent
von: Jacobsen, Andrew, et al.
Veröffentlicht: (2022)

Mirror Descent on Riemannian Manifolds
von: Jiang, Jiaxin, et al.
Veröffentlicht: (2026)

A Mirror Descent Perspective of Smoothed Sign Descent
von: Wang, Shuyang, et al.
Veröffentlicht: (2024)

Mirror Descent on Reproducing Kernel Banach Spaces
von: Kumar, Akash, et al.
Veröffentlicht: (2024)

Mirror and Preconditioned Gradient Descent in Wasserstein Space
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

Implicit Bias and Convergence of Matrix Stochastic Mirror Descent
von: Akhtiamov, Danil, et al.
Veröffentlicht: (2026)

The Sample Complexity of Gradient Descent in Stochastic Convex Optimization
von: Livni, Roi
Veröffentlicht: (2024)

A Novel Framework for Policy Mirror Descent with General Parameterization and Linear Convergence
von: Alfano, Carlo, et al.
Veröffentlicht: (2023)

Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation
von: Ke, Zhifa, et al.
Veröffentlicht: (2023)

Mirror Descent-Type Algorithms for the Variational Inequality Problem with Functional Constraints
von: Alkousa, Mohammad S., et al.
Veröffentlicht: (2026)

Zeroth-Order Stochastic Mirror Descent Algorithms for Minimax Excess Risk Optimization
von: Gu, Zhihao, et al.
Veröffentlicht: (2024)

Mirror Descent-Ascent for mean-field min-max problems
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

The Sample Complexity of Online Reinforcement Learning: A Multi-model Perspective
von: Muehlebach, Michael, et al.
Veröffentlicht: (2025)

Provable and Practical Online Learning Rate Adaptation with Hypergradient Descent
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2025)

Achieving Instance-dependent Sample Complexity for Constrained Markov Decision Process
von: Jiang, Jiashuo, et al.
Veröffentlicht: (2024)

Federated Temporal Difference Learning with Linear Function Approximation under Environmental Heterogeneity
von: Wang, Han, et al.
Veröffentlicht: (2023)

Identification and Adaptive Control of Markov Jump Systems: Sample Complexity and Regret Bounds
von: Sattar, Yahya, et al.
Veröffentlicht: (2021)

A connection between Tempering and Entropic Mirror Descent
von: Chopin, Nicolas, et al.
Veröffentlicht: (2023)

Learning Provably Improves the Convergence of Gradient Descent
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Online Reinforcement Learning in Markov Decision Process Using Linear Programming
von: Leon, Vincent, et al.
Veröffentlicht: (2023)

An Improved Finite-time Analysis of Temporal Difference Learning with Deep Neural Networks
von: Ke, Zhifa, et al.
Veröffentlicht: (2024)

Soft Robust MDPs and Risk-Sensitive MDPs: Equivalence, Policy Gradient, and Sample Complexity
von: Zhang, Runyu, et al.
Veröffentlicht: (2023)

Global Convergence of Natural Policy Gradient with Hessian-aided Momentum Variance Reduction
von: Feng, Jie, et al.
Veröffentlicht: (2024)

Scaling Laws for Gradient Descent and Sign Descent for Linear Bigram Models under Zipf's Law
von: Kunstner, Frederik, et al.
Veröffentlicht: (2025)

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

Finite-Time Complexity of Online Primal-Dual Natural Actor-Critic Algorithm for Constrained Markov Decision Processes
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

Implicit Bias of Mirror Flow on Separable Data
von: Pesme, Scott, et al.
Veröffentlicht: (2024)

Implicit Bias of Spectral Descent and Muon on Multiclass Separable Data
von: Fan, Chen, et al.
Veröffentlicht: (2025)

Achieving $ε^{-2}$ Sample Complexity for Single-Loop Actor-Critic under Minimal Assumptions
von: Hamza, Ishaq, et al.
Veröffentlicht: (2026)

Stochastic Gradient Descent with Adaptive Data
von: Che, Ethan, et al.
Veröffentlicht: (2024)

Sample Complexity of Distributionally Robust Average-Reward Reinforcement Learning
von: Chen, Zijun, et al.
Veröffentlicht: (2025)

Online Markov Decision Processes with Terminal Law Constraints
von: Moreno, Bianca Marin, et al.
Veröffentlicht: (2026)