Buchumschlag

Tracking Drift: Variation-Aware Entropy Scheduling for Non-Stationary Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Tongxi, Xia, Zhuoyang, Chen, Xinran, Liu, Shan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stability of In-Context Learning: A Spectral Coverage Perspective
von: Wang, Tongxi, et al.
Veröffentlicht: (2025)

Inverse Reinforcement Learning from Non-Stationary Learning Agents
von: Sivakumar, Kavinayan P., et al.
Veröffentlicht: (2024)

Dynamic TMoE: A Drift-Aware Dynamic Mixture of Experts Framework for Non-Stationary Time Series Forecasting
von: Zhu, Jiawen, et al.
Veröffentlicht: (2026)

Online Reinforcement Learning in Non-Stationary Context-Driven Environments
von: Hamadanian, Pouya, et al.
Veröffentlicht: (2023)

Detecting Model Drifts in Non-Stationary Environment Using Edit Operation Measures
von: Lee, Chang-Hwan, et al.
Veröffentlicht: (2025)

Sharp Spectral Thresholds for Logit Fixed Points
von: Wang, Tongxi
Veröffentlicht: (2026)

Is Prior-Free Black-Box Non-Stationary Reinforcement Learning Feasible?
von: Gerogiannis, Argyrios, et al.
Veröffentlicht: (2024)

Learning Rate-Free Reinforcement Learning: A Case for Model Selection with Non-Stationary Objectives
von: Afshar, Aida, et al.
Veröffentlicht: (2024)

Reinforcement Learning in Switching Non-Stationary Markov Decision Processes: Algorithms and Convergence Analysis
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

TIMRL: A Novel Meta-Reinforcement Learning Framework for Non-Stationary and Multi-Task Environments
von: Qi, Chenyang, et al.
Veröffentlicht: (2025)

In-Context Learning for Non-Stationary MIMO Equalization
von: Jiang, Jiachen, et al.
Veröffentlicht: (2025)

EventTSF: Event-Aware Non-Stationary Time Series Forecasting
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

Drift-Aware Variational Autoencoder-based Anomaly Detection with Two-level Ensembling
von: Li, Jin, et al.
Veröffentlicht: (2026)

Entropy-Aware Model Initialization for Effective Exploration in Deep Reinforcement Learning
von: Jang, Sooyoung, et al.
Veröffentlicht: (2021)

Entropy-Preserving Reinforcement Learning
von: Petrenko, Aleksei, et al.
Veröffentlicht: (2026)

Incentivized Exploration of Non-Stationary Stochastic Bandits
von: Chakraborty, Sourav, et al.
Veröffentlicht: (2024)

WormKAN: Are KAN Effective for Identifying and Tracking Concept Drift in Time Series?
von: Xu, Kunpeng, et al.
Veröffentlicht: (2024)

Multi-Label Transfer Learning in Non-Stationary Data Streams
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Intrinsically Motivated Feedback Graph for Lost-sales Inventory Control
von: Liu, Zifan, et al.
Veröffentlicht: (2024)

DAO-GP Drift Aware Online Non-Linear Regression Gaussian-Process
von: Abu-Shaira, Mohammad, et al.
Veröffentlicht: (2025)

ReLA: Representation Learning and Aggregation for Job Scheduling with Reinforcement Learning
von: Kwan, Zhengyi, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Generative Oversampling Using an Entropy-Guided Conditional Variational Autoencoder
von: Zare, Amirhossein, et al.
Veröffentlicht: (2025)

MARLINE: Multi-Source Mapping Transfer Learning for Non-Stationary Environments
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Non-Stationary Learning of Neural Networks with Automatic Soft Parameter Reset
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Turning Drift into Constraint: Robust Reasoning Alignment in Non-Stationary Multi-Stream Environments
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2025)

Analytic Drift Resister for Non-Exemplar Continual Graph Learning
von: Song, Lei, et al.
Veröffentlicht: (2026)

Taming Preconditioner Drift: Unlocking the Potential of Second-Order Optimizers for Federated Learning on Non-IID Data
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

Latent-Space Contrastive Reinforcement Learning for Stable and Efficient LLM Reasoning
von: Shan, Lianlei, et al.
Veröffentlicht: (2026)

Reward-Punishment Reinforcement Learning with Maximum Entropy
von: Wang, Jiexin, et al.
Veröffentlicht: (2024)

On the Role of DAG topology in Energy-Aware Cloud Scheduling : A GNN-Based Deep Reinforcement Learning Approach
von: Hattay, Anas, et al.
Veröffentlicht: (2026)

Improving Offline-to-Online Reinforcement Learning with Q Conditioned State Entropy Exploration
von: Zhang, Ziqi, et al.
Veröffentlicht: (2023)

RL-MSA: a Reinforcement Learning-based Multi-line bus Scheduling Approach
von: Liu, Yingzhuo
Veröffentlicht: (2024)

Offline Reinforcement Learning for Learning to Dispatch for Job Shop Scheduling
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

Non-Stationary Latent Auto-Regressive Bandits
von: Trella, Anna L., et al.
Veröffentlicht: (2024)

Variational Approach for Job Shop Scheduling
von: Oh, Seung Heon, et al.
Veröffentlicht: (2026)

Task Scheduling & Forgetting in Multi-Task Reinforcement Learning
von: Speckmann, Marc, et al.
Veröffentlicht: (2025)

Measurement Scheduling for ICU Patients with Offline Reinforcement Learning
von: Ji, Zongliang, et al.
Veröffentlicht: (2024)

Furina: Fragmented Uncertainty-Driven Refusal Instability Attack
von: Wu, Tongxi, et al.
Veröffentlicht: (2026)

Select Smarter, Not More: Prompt-Aware Evaluation Scheduling with Submodular Guarantees
von: Ma, Xiaoyu, et al.
Veröffentlicht: (2026)

Maximum Entropy Reinforcement Learning with Diffusion Policy
von: Dong, Xiaoyi, et al.
Veröffentlicht: (2025)