Buchumschlag

Stochastic Optimal Control with Side Information and Bayesian Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Milz, Johannes, Shapiro, Alexander, Zhou, Enlu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Central Limit Theorems for Sample Average Approximations in Stochastic Optimal Control
von: Milz, Johannes, et al.
Veröffentlicht: (2025)

Risk-averse formulations of Stochastic Optimal Control and Markov Decision Processes
von: Shapiro, Alexander, et al.
Veröffentlicht: (2025)

Episodic Bayesian Optimal Control with Unknown Randomness Distributions
von: Shapiro, Alexander, et al.
Veröffentlicht: (2023)

Stochastic Optimization with Optimal Importance Sampling
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

Adaptive Distributionally Robust Optimal Control with Bayesian Ambiguity Sets
von: Ma, Wentao, et al.
Veröffentlicht: (2026)

Generalized modes in Bayesian inverse problems
von: Clason, Christian, et al.
Veröffentlicht: (2018)

Sample-Based Consistency in Infinite-Dimensional Conic-Constrained Stochastic Optimization
von: Geiersbach, Caroline, et al.
Veröffentlicht: (2025)

Learning an Optimal Assortment Policy under Observational Data
von: Han, Yuxuan, et al.
Veröffentlicht: (2025)

On the Effectiveness of Classical Regression Methods for Optimal Switching Problems
von: Andersson, Martin, et al.
Veröffentlicht: (2025)

Breaking a Logarithmic Barrier in the Stopping Time Convergence Rate of Stochastic First-order Methods
von: Feng, Yasong, et al.
Veröffentlicht: (2025)

On the Uniform Convergence of Subdifferentials in Stochastic Optimization and Learning
von: Ruan, Feng
Veröffentlicht: (2024)

Asymptotic Consistency for Nonconvex Risk-Averse Stochastic Optimization with Infinite Dimensional Decision Spaces
von: Milz, Johannes, et al.
Veröffentlicht: (2022)

Multifractal Analysis of the Sinkhorn Algorithm: Unveiling the Intricate Structure of Optimal Transport Maps
von: Mena, Jose Rafael Espinosa
Veröffentlicht: (2024)

Bayesian Design Principles for Frequentist Sequential Learning
von: Xu, Yunbei, et al.
Veröffentlicht: (2023)

Optimal Experimental Design for Large-Scale Inverse Problems via Multi-PDE-constrained Optimization
von: Petrocchi, Andrea, et al.
Veröffentlicht: (2024)

The out-of-sample prediction error of the square-root-LASSO and related estimators
von: Olea, José Luis Montiel, et al.
Veröffentlicht: (2022)

Optimal Computing Budget Allocation for Data-driven Ranking and Selection
von: Wang, Yuhao, et al.
Veröffentlicht: (2022)

The High Line: Exact Risk and Learning Rate Curves of Stochastic Adaptive Learning Rate Algorithms
von: Collins-Woodfin, Elizabeth, et al.
Veröffentlicht: (2024)

Optimal transport and Wasserstein distances for causal models
von: Cheridito, Patrick, et al.
Veröffentlicht: (2023)

Learning and Decision-Making with Data: Optimal Formulations and Phase Transitions
von: Bennouna, Amine, et al.
Veröffentlicht: (2021)

Optimal Spectral Design with Prior Information
von: Kleywegt, Anton J., et al.
Veröffentlicht: (2026)

$K$-Nearest-Neighbor Resampling for Off-Policy Evaluation in Stochastic Control
von: Giegrich, Michael, et al.
Veröffentlicht: (2023)

Autocovariance and Optimal Design for Random Walk Metropolis-Hastings Algorithm
von: Zhang, Jingyi, et al.
Veröffentlicht: (2025)

Kernel Mean Embedding Topology: Weak and Strong Forms for Stochastic Kernels and Implications for Model Learning
von: Saldi, Naci, et al.
Veröffentlicht: (2025)

Optimal distributions for randomized unbiased estimators with an infinite horizon and an adaptive algorithm
von: Zheng, Chao, et al.
Veröffentlicht: (2023)

Bayesian Risk-averse Model Predictive Control with Consistency and Stability Guarantees
von: Li, Yingke, et al.
Veröffentlicht: (2025)

An Oracle Gradient Regularized Newton Method for Quadratic Measurements Regression
von: Fan, Jun, et al.
Veröffentlicht: (2022)

The Collusion of Memory and Nonlinearity in Stochastic Approximation With Constant Stepsize
von: Huo, Dongyan, et al.
Veröffentlicht: (2024)

Is Q-Learning Minimax Optimal? A Tight Sample Complexity Analysis
von: Li, Gen, et al.
Veröffentlicht: (2021)

Optimal Algorithms for Nonlinear Estimation with Convex Models
von: Foucart, Simon
Veröffentlicht: (2025)

Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

Probabilistic Guarantees of Stochastic Recursive Gradient in Non-Convex Finite Sum Problems
von: Zhong, Yanjie, et al.
Veröffentlicht: (2024)

Failure of uniform laws of large numbers for subdifferentials and beyond
von: Tian, Lai, et al.
Veröffentlicht: (2025)

Markov Kernels, Distances and Optimal Control: A Parable of Linear Quadratic Non-Gaussian Distribution Steering
von: Teter, Alexis M. H., et al.
Veröffentlicht: (2025)

Error Analysis of Triangular Optimal Transport Maps for Filtering
von: Al-Jarrah, Mohammad, et al.
Veröffentlicht: (2025)

A New Perspective On Denoising Based On Optimal Transport
von: Trillos, Nicolas Garcia, et al.
Veröffentlicht: (2023)

Hyperparameter tuning via trajectory predictions: Stochastic prox-linear methods in matrix sensing
von: Lou, Mengqi, et al.
Veröffentlicht: (2024)

Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis
von: Li, Yingying, et al.
Veröffentlicht: (2023)

High-probability Convergence Bounds for Nonlinear Stochastic Gradient Descent Under Heavy-tailed Noise
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2023)

An Elementary Proof of the Near Optimality of LogSumExp Smoothing
von: Samakhoana, Thabo, et al.
Veröffentlicht: (2025)