文献

J-GLOBAL ID：200902248042684604   整理番号：05A0410486

自然TD学習:割引報酬におけるTD誤差を利用する自然方策勾配に基づいた強化学習法

Natural TD Learning: Efficient Use of TD-error for Natural Policy Gradient Reinforcement Learning with Discounted Rewards

著者 (3件)： 森村哲郎 (沖縄大学院大) ,  内部英治 (沖縄大学院大) ,  銅谷賢治 (沖縄大学院大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 104  号： 759(NC2004 169-192)  ページ： 137-142  発行年： 2005年03月22日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
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： 近年,環境との相互作用を通じて学習する手法である強化学習が注...

シソーラス用語： *強化学習 ,...
準シソーラス用語： 差分学習 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=05A0410486&from=J-GLOBAL&jstjournalNo=S0532B") }}

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

引用文献 (17件)：

• UCHIBE, E. Competitive-cooperative-concurrent reinforcement learning with importance sampling. The 8th International Conference on the Simulation of Adaptive Behavior, 2004. 2004, 287-296
• BAGNELL, D. Policy search by dynamic programming. Proceedings of Neural Information Processing Systems, 2004. 2004
• RONSENSTEIN, M. T. Supervised actor-critic reinforcement learning. 2004, 359-380
• AMARI, S. Natural gradient works efficiently in learning. Neural Computation. 1998, 10, 2, 251-276
• AMARI, S. Differential and algebraic geometry of multilayer perceptrons. IEICE transactions on fundamentals of electronics, communications and computer sciences. 2001, 84, 1, 31-38

タイトルに関連する用語 (6件)： 学習 ,  報酬 ,  誤差 ,  方策 ,  勾配 ,  強化