文献

J-GLOBAL ID：200902166191728731   整理番号：02A0120037

確率的2分木の行動選択を用いたActor-Criticアルゴリズム 多数の行動を扱う強化学習

An Actor-Critic Algorithm Using a Binary Tree Action Selector. Reinforcement Learning to Cope with Enormous Actions.

著者 (2件)： 木村元 (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： 計測自動制御学会論文集  (Transactions of the Society of Instrument and Control Engineers)
巻： 37  号： 12  ページ： 1147-1155  発行年： 2001年12月31日 
JST資料番号： S0104A  ISSN： 0453-4654  CODEN： KJSRA  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： ロボットの挙動を自ら改善したり知識の欠落を自ら補うための接近...

シソーラス用語： *強化学習 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=02A0120037&from=J-GLOBAL&jstjournalNo=S0104A") }}

分類 (1件)： ロボットの運動・制御  (IC04012J)

引用文献 (12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
• 深尾. 正則化理論を用いた連続的状態と行動を扱う強化学習. システム制御情報学会論文誌. 1998, 11-11, 593-599
• 堀内. 連続値入出力を扱うファジィ内挿型Q-learningの提案. 計測自動制御学会論文集. 1999, 35-2, 271-279
• 木村. 強化学習システムの設計指針. 計測と制御. 1999, 38-10, 618-623
• 木村. 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. 人工知能学会誌. 2000, 15-2, 267-275

タイトルに関連する用語 (6件)： 確率 ,  2分木 ,  行動選択 ,  アルゴリズム ,  行動 ,  強化学習