Buchumschlag

Gaussian Approximation for Asynchronous Q-learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rubtsov, Artemy, Samsonov, Sergey, Ulyanov, Vladimir, Naumov, Alexey
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gaussian Approximation for Two-Timescale Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

On Gaussian approximation for entropy-regularized Q-learning with function approximation
von: Rubtsov, Artemy, et al.
Veröffentlicht: (2026)

A note on concentration inequalities for the overlapped batch mean variance estimators for Markov chains
von: Moulines, Eric, et al.
Veröffentlicht: (2025)

Gaussian Approximation and Multiplier Bootstrap for Polyak-Ruppert Averaged Linear Stochastic Approximation with Applications to TD Learning
von: Samsonov, Sergey, et al.
Veröffentlicht: (2024)

Theoretical guarantees for neural control variates in MCMC
von: Belomestny, Denis, et al.
Veröffentlicht: (2023)

Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent
von: Sheshukova, Marina, et al.
Veröffentlicht: (2025)

Improved Central Limit Theorem and Bootstrap Approximations for Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

Rosenthal-type inequalities for linear statistics of Markov chains
von: Durmus, Alain, et al.
Veröffentlicht: (2023)

Statistical analysis of Inverse Entropy-regularized Reinforcement Learning
von: Belomestny, Denis, et al.
Veröffentlicht: (2025)

High-Order Error Bounds for Markovian LSA with Richardson-Romberg Extrapolation
von: Levin, Ilya, et al.
Veröffentlicht: (2025)

Schrödinger bridge problem via empirical risk minimization
von: Belomestny, Denis, et al.
Veröffentlicht: (2026)

Statistical inference for Linear Stochastic Approximation with Markovian Noise
von: Samsonov, Sergey, et al.
Veröffentlicht: (2025)

UVIP: Model-Free Approach to Evaluate Reinforcement Learning Algorithms
von: Belomestny, Denis, et al.
Veröffentlicht: (2021)

Approximation to Deep Q-Network by Stochastic Delay Differential Equations
von: Lu, Jianya, et al.
Veröffentlicht: (2025)

Steady-State Behavior of Constant-Stepsize Stochastic Approximation: Gaussian Approximation and Tail Bounds
von: Wang, Zedong, et al.
Veröffentlicht: (2026)

Approximating G(t)/GI/1 queues with deep learning
von: Sherzer, Eliran, et al.
Veröffentlicht: (2024)

Approximation of group explainers with coalition structure using Monte Carlo sampling on the product space of coalitions and features
von: Kotsiopoulos, Konstandinos, et al.
Veröffentlicht: (2023)

SCAFFLSA: Taming Heterogeneity in Federated Linear Stochastic Approximation and TD Learning
von: Mangold, Paul, et al.
Veröffentlicht: (2024)

On the Upper Bounds for the Matrix Spectral Norm
von: Naumov, Alexey, et al.
Veröffentlicht: (2025)

Improved High-Probability Bounds for the Temporal Difference Learning Algorithm via Exponential Stability
von: Samsonov, Sergey, et al.
Veröffentlicht: (2023)

Rates of convergence for density estimation with generative adversarial networks
von: Puchkin, Nikita, et al.
Veröffentlicht: (2021)

Improving GFlowNets with Monte Carlo Tree Search
von: Morozov, Nikita, et al.
Veröffentlicht: (2024)

Machine learning-based system reliability analysis with Gaussian Process Regression
von: Zhou, Lisang, et al.
Veröffentlicht: (2024)

Negative Dependence as a toolbox for machine learning : review and new developments
von: Tran, Hoang-Son, et al.
Veröffentlicht: (2025)

Approximating the Total Variation Distance between Gaussians
von: Bhattacharyya, Arnab, et al.
Veröffentlicht: (2025)

Multivariate Gaussian Approximation for Random Forest via Region-based Stabilization
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

Geometric Gaussian Approximations of Probability Distributions
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

Finite-Dimensional Gaussian Approximation for Deep Neural Networks: Universality in Random Weights
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2025)

Gaussian Approximation and Multiplier Bootstrap for Federated Linear Stochastic Approximation
von: Levin, Ilya, et al.
Veröffentlicht: (2026)

First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities
von: Beznosikov, Aleksandr, et al.
Veröffentlicht: (2023)

Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

A Note on Asynchronous Challenges: Unveiling Formulaic Bias and Data Loss in the Hayashi-Yoshida Estimator
von: Georgiadis, Evangelos
Veröffentlicht: (2024)

Towards an Approximation Theory of Observable Operator Models
von: Anyszka, Wojciech
Veröffentlicht: (2024)

Performance of Rank-One Tensor Approximation on Incomplete Data
von: Lebeau, Hugo
Veröffentlicht: (2025)

Obstacle-aware Gaussian Process Regression
von: Shrivastava, Gaurav
Veröffentlicht: (2024)

Asymptotic Gaussian Fluctuations of Eigenvectors in Spectral Clustering
von: Lebeau, Hugo, et al.
Veröffentlicht: (2024)

Stochastic Port-Hamiltonian Neural Networks: Universal Approximation with Passivity Guarantees
von: Di Persio, Luca, et al.
Veröffentlicht: (2026)

A Random Matrix Approach to Low-Multilinear-Rank Tensor Approximation
von: Lebeau, Hugo, et al.
Veröffentlicht: (2024)

Towards Continuous-Time Approximations for Stochastic Gradient Descent without Replacement
von: Perko, Stefan
Veröffentlicht: (2025)

Mixing of the No-U-Turn Sampler and the Geometry of Gaussian Concentration
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2024)