文献

J-GLOBAL ID：200902168136770888   整理番号：96A0772764

部分観測マルコフ決定過程下での強化学習: 確率的傾斜法による接近

Reinforcement Learning in Partially Observable Markov Decision Processes: A Stochastic Gradient Method.

著者 (3件)： 木村元 (東京工大 大学院) ,  山村雅幸 (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： 11  号： 5  ページ： 761-768  発行年： 1996年09月 
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： 環境の状態についてエージェントの知覚能力が不十分な場合,不完...

シソーラス用語： 学習 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=96A0772764&from=J-GLOBAL&jstjournalNo=X0330A") }}

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

引用文献 (13件)：

• CHRISMAN, L. Reinforcement learning with Perceptual aliasing : The perceptual Distinctions Approach. Proc. 10th Nat. Conf. on Artificial Intelligence. 1992, 183-188
• JAAKKOLA, T. Reinforcement Learning Algorithm for Partially Observable Markov Decision Problems. Advances in Neural Information Processing Systems. 1994, 345-352
• KIMURA, H. Reinforcement Learning by Stochastic Hill Climbing on Discounted Reward. Proc. 12th Int. Conf. on Machine Learning. 1995, 295-303
• LITTMAN, M. L. Learning policies for partially observable environments : Scaling up. Proc. 12th Int. Conf. on Machine Learning. 1995, 362-370
• McCALLUM, R. A. Instance-Based Utile Distinctions for Reinforcement Learning with Hidden State. Proc. 12th Int. Conf. on Machine Learning. 1995, 387-395

タイトルに関連する用語 (5件)： 部分観測マルコフ決定過程 ,  強化学習 ,  確率 ,  傾斜法 ,  接近