Buchumschlag

A Reinforcement Learning Based Universal Sequence Design for Polar Codes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ho, David Kin Wai, Fazeli, Arman, Mansour, Mohamad M., Jalloul, Louay M. A.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Partially Polarized Polar Codes: A New Design for 6G Control Channels
von: Fazeli, Arman, et al.
Veröffentlicht: (2026)

Offline Reinforcement Learning with Imbalanced Datasets
von: Jiang, Li, et al.
Veröffentlicht: (2023)

Information Subtraction: Learning Representations for Conditional Entropy
von: Leong, Keng Hou, et al.
Veröffentlicht: (2025)

Certified $\ell_2$ Attribution Robustness via Uniformly Smoothed Attributions
von: Wang, Fan, et al.
Veröffentlicht: (2024)

Improved Off-policy Reinforcement Learning in Biological Sequence Design
von: Kim, Hyeonah, et al.
Veröffentlicht: (2024)

BetterBodies: Reinforcement Learning guided Diffusion for Antibody Sequence Design
von: Vogt, Yannick, et al.
Veröffentlicht: (2024)

Spatial-Temporal Reinforcement Learning for Network Routing with Non-Markovian Traffic
von: Wang, Molly, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Sequence Design Leveraging Protein Language Models
von: Subramanian, Jithendaraa, et al.
Veröffentlicht: (2024)

A Survey on Reinforcement Learning Applications in SLAM
von: Tezerjani, Mohammad Dehghani, et al.
Veröffentlicht: (2024)

Code as Reward: Empowering Reinforcement Learning with VLMs
von: Venuto, David, et al.
Veröffentlicht: (2024)

Convergence and Sample Complexity of First-Order Methods for Agnostic Reinforcement Learning
von: Sherman, Uri, et al.
Veröffentlicht: (2025)

Conditional Sequence Modeling for Safe Reinforcement Learning
von: Bai, Wensong, et al.
Veröffentlicht: (2026)

Belief States for Cooperative Multi-Agent Reinforcement Learning under Partial Observability
von: Pritz, Paul J., et al.
Veröffentlicht: (2025)

Data Augmentation in Time Series Forecasting through Inverted Framework
von: Tan, Hongming, et al.
Veröffentlicht: (2025)

Associative Memory Based Experience Replay for Deep Reinforcement Learning
von: Li, Mengyuan, et al.
Veröffentlicht: (2022)

Three Dogmas of Reinforcement Learning
von: Abel, David, et al.
Veröffentlicht: (2024)

Model-Based Offline Reinforcement Learning with Reliability-Guaranteed Sequence Modeling
von: He, Shenghong
Veröffentlicht: (2025)

Efficient Reward Identification In Max Entropy Reinforcement Learning with Sparsity and Rank Priors
von: Shehab, Mohamad Louai, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning with Selective State-Space Models
von: Daniel, Jemma, et al.
Veröffentlicht: (2024)

Variance-Reduction Guidance: Sampling Trajectory Optimization for Diffusion Models
von: Xu, Shifeng, et al.
Veröffentlicht: (2025)

Multilinear Tensor Low-Rank Approximation for Policy-Gradient Methods in Reinforcement Learning
von: Rozada, Sergio, et al.
Veröffentlicht: (2025)

AgentForge: A Flexible Low-Code Platform for Reinforcement Learning Agent Design
von: Junior, Francisco Erivaldo Fernandes, et al.
Veröffentlicht: (2024)

Hierarchical Reinforcement Learning Framework for Stochastic Spaceflight Campaign Design
von: Takubo, Yuji, et al.
Veröffentlicht: (2021)

Broad Critic Deep Actor Reinforcement Learning for Continuous Control
von: Thalagala, Shiron, et al.
Veröffentlicht: (2024)

Digital Twin Supervised Reinforcement Learning Framework for Autonomous Underwater Navigation
von: Mari, Zamirddine, et al.
Veröffentlicht: (2025)

Oryx: a Scalable Sequence Model for Many-Agent Coordination in Offline MARL
von: Formanek, Claude, et al.
Veröffentlicht: (2025)

Agnostics: Learning to Code in Any Programming Language via Reinforcement with a Universal Learning Environment
von: Boruch-Gruszecki, Aleksander, et al.
Veröffentlicht: (2025)

Forking-Sequences
von: Potosnak, Willa, et al.
Veröffentlicht: (2025)

ELO-Rated Sequence Rewards: Advancing Reinforcement Learning Models
von: Ju, Qi, et al.
Veröffentlicht: (2024)

Multi-Target Radar Search and Track Using Sequence-Capable Deep Reinforcement Learning
von: Ewers, Jan-Hendrik, et al.
Veröffentlicht: (2025)

ReFill: Reinforcement Learning for Fill-In Minimization
von: Harb, Elfarouk, et al.
Veröffentlicht: (2025)

Universal Sequence Preconditioning
von: Marsden, Annie, et al.
Veröffentlicht: (2025)

Sequence Compression Speeds Up Credit Assignment in Reinforcement Learning
von: Ramesh, Aditya A., et al.
Veröffentlicht: (2024)

Using Temperature Sampling to Effectively Train Robot Learning Policies on Imbalanced Datasets
von: Patil, Basavasagar, et al.
Veröffentlicht: (2025)

A Bayesian Non-parametric Approach to Generative Models: Integrating Variational Autoencoder and Generative Adversarial Networks using Wasserstein and Maximum Mean Discrepancy
von: Fazeli-Asl, Forough, et al.
Veröffentlicht: (2023)

Cumulative Meta-Learning from Active Learning Queries for Robustness to Spurious Correlations
von: Chew, Kin Whye, et al.
Veröffentlicht: (2026)

Decision Mamba: Reinforcement Learning via Hybrid Selective Sequence Modeling
von: Huang, Sili, et al.
Veröffentlicht: (2024)

PipelineRL: Faster On-policy Reinforcement Learning for Long Sequence Generation
von: Piché, Alexandre, et al.
Veröffentlicht: (2025)

DeepPolar: Inventing Nonlinear Large-Kernel Polar Codes via Deep Learning
von: Hebbar, S Ashwin, et al.
Veröffentlicht: (2024)

Reward Modeling for Reinforcement Learning-Based LLM Reasoning: Design, Challenges, and Evaluation
von: Pan, Pei-Chi, et al.
Veröffentlicht: (2026)