文献

J-GLOBAL ID：200902182430422912   整理番号：96A0330145

MarcoPolo-報酬獲得と環境同定のトレードオフを考慮した学習システム

MarcoPolo-A Reinforcement Learning System considering tradeoff exploitation and exploration under Markovian Environment.

著者 (3件)： 宮崎和光 (東京工大) ,  山村雅幸 (東京工大) ,  小林重信 (東京工大)
資料名： 自律分散システム・シンポジウム資料
巻： 8th  ページ： 121-126  発行年： 1996年01月 
JST資料番号： L2565A  資料種別： 会議録 (C)
発行国： 日本 (JPN)  言語： 日本語 (JA)

引用文献 (10件)：

• BARTO, A. G. Neuronlike Adaptive Elements That Can Solve Difficult Learning Control Problems. IEEE Transactions on Systems, Man, and Cybernetics. 1983, SMC-13, 5, 834-846
• GREFENSTETTE, J. J. Credit Assignment in Rule Discovery Systems Based on Genetic Algorithms. Machine Learning. 1988, 3, 225-245
• HOLLAND, J. H. Cognitive Systems Based on Adaptive Algorithms. Pattern-Directed Inference Systems. 1987
• 宮崎和光. 強化学習における報割当の理論的考察. 人工知能学会誌. 1994, 9, 4, 104-111
• 宮崎和光. k-確実探査法 : 強化学習における環境同定のための行動選択戦略. 人工知能学会誌. 1995, 10, 3, 124-133

タイトルに関連する用語 (6件)： 報酬 ,  獲得 ,  環境 ,  同定 ,  トレードオフ ,  学習システム