文献

J-GLOBAL ID：200902229278845949   整理番号：09A0138832

連続状態空間のための強化学習アルゴリズム

著者 (2件)： 釜谷博行 (八戸工高専) ,  阿部健一 (日本大 工)
資料名： 八戸工業高等専門学校紀要
号： 42  ページ： 65-68  発行年： 2007年12月20日 
JST資料番号： S0436A  ISSN： 0385-4124  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： 強化学習モデルでは,エージェントは,状態において実行すべき行動をQ値の大きさに応じて決定する。本稿では,各状態および行動に対するQ値を推定するために,RBF(Radial Basis Function)ネットワークを用いた関数近似による強化学習アルゴリズムの有効性について考察した。具体的には,RBFネットワークと強化学習アルゴリズムについて説明し,学習問題として,mountain-carタスク(急坂をパワー不足の車が登ってゴールに辿り着く問題)を取り上げ,シミュレーション実験を通して,RBFネットワークの学習性能と学習後の評価を行った。

シソーラス用語： *強化学習 ,  *学習アルゴリズム ,  学習モデル ,  エージェントモデル ,  *ニューラルネットワーク ,  動径基底関数 ,  関数近似 ,  Q値 ,  学習曲線 ,  機械学習 ,  試行錯誤学習 ,  計算機シミュレーション ,  性能評価
準シソーラス用語： RBFネットワーク ,  行動選択 ,  欲張り法

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 連続状態 ,  強化 ,  学習アルゴリズム