文献

J-GLOBAL ID：201602277813050578   整理番号：16A0725872

ロボット経路計画におけるQ ELMアルゴリズムに関する研究【Powered by NICT】

Research on Q-ELM algorithm in robot path planning

著者 (5件)： Ren Hongge (College of Electrical Engineering, North China University of Science and Technology, Tangshan 063009, China) ,  Yin Rui (College of Electrical Engineering, North China University of Science and Technology, Tangshan 063009, China) ,  Li Fujin (College of Electrical Engineering, North China University of Science and Technology, Tangshan 063009, China) ,  Wang Wei (College of Electrical Engineering, North China University of Science and Technology, Tangshan 063009, China) ,  Huo Meijie (College of Information Engineering, North China University of Science and Technology, Tangshan 063009, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CCDC  ページ： 5975-5979  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高次元の観点から,訓練の困難性,移動ロボットの経路計画におけるBPニューラルネットワークの応用における遅い学習速度の問題では,極端学習機械(ELMアルゴリズム)に基づく強化Q学習のアルゴリズムを提案した。最初に,強化学習の特徴は,教師つき学習を用いた動的ネットワークを組合せて,アルゴリズムは,環境の状態情報と特性によるロボットを得た。その後,極限学習機械(extreme learning machineによる現状の報酬と罰を得るために状態を解析した。第二に,それを用いて少ないパラメータ設定と優れた汎化性能の特性による遅い訓練速度の問題を解決することである;最後に学習アルゴリズムの自律学習性能を検証した。実験結果はQ ELM学習アルゴリズムは,機械学習の主導権を改善するだけでなく,TD強化学習法よりも4倍の学習速度を改善し,アルゴリズムの安定性と収束性を検証したことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 移動ロボット ,  学習アルゴリズム ,  *経路探索 ,  学習機械 ,  強化学習 ,  *アルゴリズム ,  機械学習 ,  教師つき学習 ,  高次元 ,  汎化 ,  *ロボット
準シソーラス用語： Q学習 ,  極度学習機械 ,  学習速度 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： ロボット ,  経路計画 ,  ELM ,  アルゴリズム ,  研究