文献

J-GLOBAL ID：201602266833308907   整理番号：16A1210020

再生を経験した一般的適応動的計画法アプローチ【Powered by NICT】

A general adaptive dynamic programming approach with experience replay

著者 (5件)： Wang Bin (School of Electrical Engineering, University of Jinan, China) ,  Zhao Dongbin (The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Cheng Jin (School of Electrical Engineering, University of Jinan, China) ,  Xu Yuan (School of Electrical Engineering, University of Jinan, China) ,  Li Yueyang (School of Electrical Engineering, University of Jinan, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 3550-3555  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： 経験再生は,適応動的プログラミングの学習効率を改善するための有望なアプローチである。経験再生技術を用いた一般的なモデルフリー適応動的計画法(ADP)アプローチを本論文で調べた連続状態および行動空間における最適制御問題を解いた。批評家ネットワークと行動ネットワークは一つの隠れ層を持つフィードフォワードニューラルネットワークを用いてモデル化した。学習過程中に,数最近観測されたデータサンプルのデータベースに記録されている。ニューラルネットワークのパラメータを更新した時に,試料データベースのデータは,行動ネットワークおよび批評家ネットワークの重みを更新するために繰り返し使用した。アルゴリズムの実装の詳細を示し,シミュレーション実験を用いて,提案した方法の学習効率を検証した。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： ネットワーク ,  シミュレーション ,  データベース ,  ニューラルネットワーク ,  最適制御 ,  モデリング ,  *動的計画法 ,  アルゴリズム
準シソーラス用語： 学習過程 ,  フィードフォワードニューラルネットワーク ,  隠れ層 ,  連続状態 ,  学習効率 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 経験 ,  適応 ,  動的計画法