Buchumschlag

In-Context Learning for Data-Driven Censored Inventory Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mukherjee, Sohom, Pham, Anh-Duy, Pibernik, Richard, Xu, Yunbei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Locally Adaptive Federated Learning
von: Mukherjee, Sohom, et al.
Veröffentlicht: (2023)

The Data-Driven Censored Newsvendor Problem
von: Hssaine, Chamsi, et al.
Veröffentlicht: (2024)

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

Statistical Properties of Robust Satisficing
von: Li, Zhiyi, et al.
Veröffentlicht: (2024)

Finite-Time Minimax Bounds and an Optimal Lyapunov Policy in Queueing Control
von: Liu, Yujie, et al.
Veröffentlicht: (2025)

Spatial Supply Repositioning with Censored Demand Data
von: Jiang, Hansheng, et al.
Veröffentlicht: (2025)

Non-Stationary Inventory Control with Lead Times
von: Amiri, Nele H., et al.
Veröffentlicht: (2026)

Learning When to Restart: Nonstationary Newsvendor from Uncensored to Censored Demand
von: Chen, Xin, et al.
Veröffentlicht: (2025)

Coverage-Validity-Aware Algorithmic Recourse
von: Bui, Ngoc, et al.
Veröffentlicht: (2023)

Control of Dual-Sourcing Inventory Systems using Recurrent Neural Networks
von: Böttcher, Lucas, et al.
Veröffentlicht: (2022)

Structure-Informed Deep Reinforcement Learning for Inventory Management
von: Maggiar, Alvaro, et al.
Veröffentlicht: (2025)

A Hyper-Transformer model for Controllable Pareto Front Learning with Split Feasibility Constraints
von: Tuan, Tran Anh, et al.
Veröffentlicht: (2024)

Data-Driven Adversarial Online Control for Unknown Linear Systems
von: Liu, Zishun, et al.
Veröffentlicht: (2023)

Data-Driven Performance Guarantees for Classical and Learned Optimizers
von: Sambharya, Rajiv, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2024)

Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees
von: de Jong, Thomas, et al.
Veröffentlicht: (2024)

A Minibatch-SGD-Based Learning Meta-Policy for Inventory Systems with Myopic Optimal Policy
von: Lyu, Jiameng, et al.
Veröffentlicht: (2024)

Direct Data Driven Control Using Noisy Measurements
von: Esmzad, Ramin, et al.
Veröffentlicht: (2025)

Robust Least-Squares Optimization for Data-Driven Predictive Control: A Geometric Approach
von: Bharadwaj, Shreyas, et al.
Veröffentlicht: (2025)

Distributional Surgery for Language Model Activations
von: Nguyen, Bao, et al.
Veröffentlicht: (2025)

Imitation Learning from Observations: An Autoregressive Mixture of Experts Approach
von: Wang, Renzi, et al.
Veröffentlicht: (2024)

Cost-Driven Representation Learning for Linear Quadratic Gaussian Control: Part II
von: Tian, Yi, et al.
Veröffentlicht: (2026)

Cost-Driven Representation Learning for Linear Quadratic Gaussian Control: Part I
von: Tian, Yi, et al.
Veröffentlicht: (2022)

Provably data-driven projection method for quadratic programming
von: Nguyen, Anh Tuan, et al.
Veröffentlicht: (2025)

Classical and Deep Reinforcement Learning Inventory Control Policies for Pharmaceutical Supply Chains with Perishability and Non-Stationarity
von: Stranieri, Francesco, et al.
Veröffentlicht: (2025)

Learning to Adapt: In-Context Learning Beyond Stationarity
von: Qin, Zhen, et al.
Veröffentlicht: (2026)

SCOPE: Spectral Concentration by Distributionally Robust Joint Covariance-Precision Estimation
von: Chen, Renjie, et al.
Veröffentlicht: (2025)

A Novel Approach in Solving Stochastic Generalized Linear Regression via Nonconvex Programming
von: Anh, Vu Duc, et al.
Veröffentlicht: (2024)

Online Inventory Problems: Beyond the i.i.d. Setting with Online Convex Optimization
von: Hihat, Massil, et al.
Veröffentlicht: (2023)

Fast Policy Learning for Linear Quadratic Control with Entropy Regularization
von: Guo, Xin, et al.
Veröffentlicht: (2023)

Bilevel Learning with Inexact Stochastic Gradients
von: Salehi, Mohammad Sadegh, et al.
Veröffentlicht: (2024)

Diffusion Model for Data-Driven Black-Box Optimization
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Data-Driven Discovery of PDEs via the Adjoint Method
von: Sadr, Mohsen, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic AC-OPF using Gaussian Processes
von: Mitrovic, Mile
Veröffentlicht: (2024)

DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

Follow The Approximate Sparse Leader for No-Regret Online Sparse Linear Approximation
von: Mukhopadhyay, Samrat, et al.
Veröffentlicht: (2025)

Almost Sure Convergence Analysis of Differentially Private Stochastic Gradient Methods
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2025)

Global Convergence of SGD On Two Layer Neural Nets
von: Gopalani, Pulkit, et al.
Veröffentlicht: (2022)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)