文献

J-GLOBAL ID：200902156583005562   整理番号：00A0319995

Actorに適正度の履歴を用いたActor-Criticアルゴリズム 不完全なValue-Functionのもとでの強化学習

An Analysis of Actor-Critic Algorithms Using Eligibility Traces. Reinforcement Learning with Imperfect Value Functions.

著者 (2件)： 木村元 (東京工大 大学院) ,  小林重信 (東京工大 大学院)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 15  号： 2  ページ： 267-275  発行年： 2000年03月01日 
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： Actor-Critic強化学習アルゴリズムは,1)状態から...

シソーラス用語： *強化学習 ,...
準シソーラス用語： 履歴 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=00A0319995&from=J-GLOBAL&jstjournalNo=X0330A") }}

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (26件)：

• C., BAIRD, L. Reinforcement Learning in Continuous Time:Advantage Updating. Proceedings of IEEE International Conference on Neural Networks. 1994, IV, 2448-2453
• 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
• CLOUSE, J. A. A Teaching Method for Reinforcement Learning. Proc.of the 9th International Conference on Machine Learning. 1992, 93-101
• CRITES, R. H. An Actor/Critic Algorithm that is Equivalent to Q-Learning. Advances in Neural Information Processing Systems. 1994, 7, 401-408
• DOYA, K. Efficient Nonlinear Control with Actor-Tutor Architecture. Advances in Neural Information Processing Systems. 1996, 9, 1012-1018

タイトルに関連する用語 (4件)： 履歴 ,  アルゴリズム ,  VALUE ,  強化学習