文献

J-GLOBAL ID：200902115712008958   整理番号：97A0125830

MarcoPolo:報酬獲得と環境同定のトレードオフを考慮した強化学習システム

MarcoPolo: A Reinforcement Learning System Considering Tradeoff Exploitation and Exploration under Markovian Environments.

著者 (3件)： 宮崎和光 (東京工大 大学院 総合理工学研究科) ,  山村雅幸 (東京工大 大学院 総合理工学研究科) ,  小林重信 (東京工大 大学院 総合理工学研究科)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 12  号： 1  ページ： 78-89  発行年： 1997年01月 
JST資料番号： X0330A  ISSN： 0912-8085  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 次の3つの特徴を持つ離散マルコフ決定過程における強化学習シス...

シソーラス用語： 学習 ,...
準シソーラス用語： k-確実探査法 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=97A0125830&from=J-GLOBAL&jstjournalNo=X0330A") }}

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (14件)：

• BARTO, A. G. Learning to act using real-time dynamic programming. Artif. Intell. 1995, 72, 1-2, 81-138
• BERTSEKAS, D. P. Dynamic Programing and Stochastic Control. Mathematics in Science and Engineering. 1976, 125
• CLOUSE, J. A. A Teaching Method for Reinforcement Learning. Proc. 9th Int. Conf. on Machine Learning. 1992, 92-101
• GAMBARDELLA, L. M. Ant-Q : A Reinforcement Learning approach to the traveling salesman problem. Proc. 12th Int. Conf. on Machine Learning. 1995, 252-260
• GREFENSTETTE, J. J. Credit Assignment in Rule Discovery Systems Based on Genetic Algorithms. Machine Learning. 1988, 3, 225-245

タイトルに関連する用語 (7件)： 報酬 ,  獲得 ,  環境 ,  同定 ,  トレードオフ ,  強化 ,  学習システム