Buchumschlag

Stochastic Resetting Accelerates Policy Convergence in Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Jello, Ngampruetikorn, Vudtiwat, Schwab, David J.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Disordered Systems and Neural Networks Statistical Mechanics Systems and Control Biological Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalization vs. Specialization under Concept Shift
von: Nguyen, Alex, et al.
Veröffentlicht: (2024)

Data coarse graining can improve model performance
von: Nguyen, Alex, et al.
Veröffentlicht: (2025)

When can in-context learning generalize out of task distribution?
von: Goddard, Chase, et al.
Veröffentlicht: (2025)

Random-Energy Secret Sharing via Extreme Synergy
von: Ngampruetikorn, Vudtiwat, et al.
Veröffentlicht: (2023)

Learning and criticality in a self-organizing model of connectome growth
von: Cirunay, Michelle T., et al.
Veröffentlicht: (2025)

Generative diffusion model with inverse renormalization group flows
von: Masuki, Kanta, et al.
Veröffentlicht: (2025)

Microbiomes Through The Looking Glass: Linking species interactions to dysbiosis through a disordered Lotka-Volterra framework
von: Pasqualini, Jacopo, et al.
Veröffentlicht: (2024)

Meta-plasticity and memory in multi-level recurrent feed-forward networks
von: Zanardi, Gianmarco, et al.
Veröffentlicht: (2024)

Phase transition to chaos in complex ecosystems with non-reciprocal species-resource interactions
von: Blumenthal, Emmy, et al.
Veröffentlicht: (2023)

Entropic Confinement and Mode Connectivity in Overparameterized Neural Networks
von: Di Carlo, Luca, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent-like relaxation is equivalent to Metropolis dynamics in discrete optimization and inference problems
von: Angelini, Maria Chiara, et al.
Veröffentlicht: (2023)

What makes it possible to learn probability distributions in the natural world?
von: Bialek, William, et al.
Veröffentlicht: (2020)

Reinforced Disentanglers on Random Unitary Circuits
von: Bao, Ning, et al.
Veröffentlicht: (2024)

Discrete-space and -time analogue of a super-diffusive fractional Brownian motion
von: Marinari, Enzo, et al.
Veröffentlicht: (2025)

Critical Dynamics and Cyclic Memory Retrieval in Non-reciprocal Hopfield Networks
von: Xue, Shuyue, et al.
Veröffentlicht: (2025)

The Copycat Perceptron: Smashing Barriers Through Collective Learning
von: Catania, Giovanni, et al.
Veröffentlicht: (2023)

The Physics of Data and Tasks: Theories of Locality and Compositionality in Deep Learning
von: Favero, Alessandro
Veröffentlicht: (2025)

Optimal Protocols for Continual Learning via Statistical Physics and Control Theory
von: Mori, Francesco, et al.
Veröffentlicht: (2024)

Transfer Learning in $\ell_1$ Regularized Regression: Hyperparameter Selection Strategy based on Sharp Asymptotic Analysis
von: Okajima, Koki, et al.
Veröffentlicht: (2024)

Epidemic threshold and localization of the SIS model on directed complex networks
von: Müller, Vinícius B., et al.
Veröffentlicht: (2025)

Fractal and Spectral Dimensions as Determinants of Thermal Ablation Outcomes in Cancer Tissues
von: Olmo-Fajardo, Mario, et al.
Veröffentlicht: (2026)

Multi-scale Laplacian community detection in heterogeneous networks
von: Villegas, Pablo, et al.
Veröffentlicht: (2023)

Learning Stochastic Thermodynamics Directly from Correlation and Trajectory-Fluctuation Currents
von: Lyu, Jinghao, et al.
Veröffentlicht: (2025)

Controlling noise with self-organized resetting
von: Meigel, Felix J., et al.
Veröffentlicht: (2023)

Localization of Active Particles on Random Arrays of Parallel Filaments
von: Santoso, Owen, et al.
Veröffentlicht: (2026)

Multicritical Infection Spreading
von: Luzzatto, Leone V., et al.
Veröffentlicht: (2025)

Activity propagation with Hebbian learning
von: Engedal, Will T., et al.
Veröffentlicht: (2025)

Information thermodynamics: from physics to neuroscience
von: Karbowski, Jan
Veröffentlicht: (2024)

Coarse-graining dynamics to maximize irreversibility
von: Yu, Qiwei, et al.
Veröffentlicht: (2025)

Scaling and tuning to criticality in resting-state human magnetoencephalography
von: Topal, Irem, et al.
Veröffentlicht: (2026)

Exact minimax entropy models of large-scale neuronal activity
von: Lynn, Christopher W., et al.
Veröffentlicht: (2023)

Frequency-dependent covariance reveals critical spatio-temporal patterns of synchronized activity in the human brain
von: Calvo, Rubén, et al.
Veröffentlicht: (2024)

Analytic theory of dropout regularization
von: Mori, Francesco, et al.
Veröffentlicht: (2025)

Fundamental operating regimes, hyper-parameter fine-tuning and glassiness: towards an interpretable replica-theory for trained restricted Boltzmann machines
von: Fachechi, Alberto, et al.
Veröffentlicht: (2024)

The autoregressive neural network architecture of the Boltzmann distribution of pairwise interacting spins systems
von: Biazzo, Indaco
Veröffentlicht: (2023)

Distinct mechanisms underlying in-context learning in transformers
von: Gibson, Cole, et al.
Veröffentlicht: (2026)

Interpreting the Synchronization Gap: The Hidden Mechanism Inside Diffusion Transformers
von: Albrychiewicz, Emil, et al.
Veröffentlicht: (2026)

Universal Scaling Laws of Absorbing Phase Transitions in Artificial Deep Neural Networks
von: Tamai, Keiichi, et al.
Veröffentlicht: (2023)

Two failure modes of deep transformers and how to avoid them: a unified theory of signal propagation at initialisation
von: Giorlandino, Alessio, et al.
Veröffentlicht: (2025)

Inferring Higher-Order Couplings with Neural Networks
von: Decelle, Aurélien, et al.
Veröffentlicht: (2025)