Buchumschlag

Gradient Iterated Temporal-Difference Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vincent, Théo, Gerhardt, Kevin, Tripathi, Yogesh, Maraqten, Habib, White, Adam, White, Martha, Peters, Jan, D'Eramo, Carlo
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

Eau De $Q$-Network: Adaptive Distillation of Neural Networks in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2025)

Iterated $Q$-Network: Beyond One-Step Bellman Updates in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

Bridging the Performance Gap Between Target-Free and Target-Based Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2025)

Adaptive $Q$-Network: On-the-fly Target Selection for Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

Parameterized Projected Bellman Operator
von: Vincent, Théo, et al.
Veröffentlicht: (2023)

Learning to Explore in Diverse Reward Settings via Temporal-Difference-Error Maximization
von: Griesbach, Sebastian, et al.
Veröffentlicht: (2025)

Multi-Task Reinforcement Learning with Mixture of Orthogonal Experts
von: Hendawy, Ahmed, et al.
Veröffentlicht: (2023)

Demystifying the Recency Heuristic in Temporal-Difference Learning
von: Daley, Brett, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning with Gradient Eligibility Traces
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

A Generalized Projected Bellman Error for Off-policy Value Estimation in Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2021)

Use the Online Network If You Can: Towards Fast and Stable Reinforcement Learning
von: Hendawy, Ahmed, et al.
Veröffentlicht: (2025)

An Analysis of Action-Value Temporal-Difference Methods That Learn State Values
von: Daley, Brett, et al.
Veröffentlicht: (2025)

Real-Time Recurrent Learning using Trace Units in Reinforcement Learning
von: Elelimy, Esraa, et al.
Veröffentlicht: (2024)

Empirical Design in Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2023)

Streaming Reinforcement Learning under Partial Observability with Real-Time Recurrent Learning
von: Farr, Noah, et al.
Veröffentlicht: (2026)

Fine-Tuning without Performance Degradation
von: Wang, Han, et al.
Veröffentlicht: (2025)

On the Benefit of Optimal Transport for Curriculum Reinforcement Learning
von: Klink, Pascal, et al.
Veröffentlicht: (2023)

A New View on Planning in Online Reinforcement Learning
von: Roice, Kevin, et al.
Veröffentlicht: (2024)

Investigating the Interplay of Prioritized Replay and Generalization
von: Panahi, Parham Mohammad, et al.
Veröffentlicht: (2024)

Deterministic Exploration via Stationary Bellman Error Maximization
von: Griesbach, Sebastian, et al.
Veröffentlicht: (2024)

When is Offline Policy Selection Sample Efficient for Reinforcement Learning?
von: Liu, Vincent, et al.
Veröffentlicht: (2023)

Sharing Knowledge in Multi-Task Deep Reinforcement Learning
von: D'Eramo, Carlo, et al.
Veröffentlicht: (2024)

Revisiting Mixture Policies in Entropy-Regularized Actor-Critic
von: He, Jiamin, et al.
Veröffentlicht: (2026)

Do Not Imitate, Reinforce: Iterative Classification via Belief Refinement
von: Kallel, Mahdi, et al.
Veröffentlicht: (2026)

Contact Energy Based Hindsight Experience Prioritization
von: Sayar, Erdi, et al.
Veröffentlicht: (2023)

Value Bonuses using Ensemble Errors for Exploration in Reinforcement Learning
von: Wahab, Abdul, et al.
Veröffentlicht: (2026)

Goal-Space Planning with Subgoal Models
von: Lo, Chunlok, et al.
Veröffentlicht: (2022)

A Method for Evaluating Hyperparameter Sensitivity in Reinforcement Learning
von: Adkins, Jacob, et al.
Veröffentlicht: (2024)

Rethinking the Foundations for Continual Reinforcement Learning
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

Harnessing Discrete Representations For Continual Reinforcement Learning
von: Meyer, Edan, et al.
Veröffentlicht: (2023)

Generalized Munchausen Reinforcement Learning using Tsallis KL Divergence
von: Zhu, Lingwei, et al.
Veröffentlicht: (2023)

Deep Double Q-learning
von: Nagarajan, Prabhat, et al.
Veröffentlicht: (2025)

Distributions as Actions: A Unified Framework for Diverse Action Spaces
von: He, Jiamin, et al.
Veröffentlicht: (2025)

Dynamic Obstacle Avoidance with Bounded Rationality Adversarial Reinforcement Learning
von: Holgado-Alvarez, Jose-Luis, et al.
Veröffentlicht: (2025)

R-GTD: A Geometric Analysis of Gradient Temporal-Difference Learning in Singular Regimes
von: Na, Hyunjun, et al.
Veröffentlicht: (2026)

Domain Randomization via Entropy Maximization
von: Tiboni, Gabriele, et al.
Veröffentlicht: (2023)

AGaLiTe: Approximate Gated Linear Transformers for Online Reinforcement Learning
von: Pramanik, Subhojeet, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning Agents are not even close to Human Intelligence
von: Delfosse, Quentin, et al.
Veröffentlicht: (2025)

Forager: a lightweight testbed for continual learning with partial observability in RL
von: Tang, Steven, et al.
Veröffentlicht: (2026)