文献

J-GLOBAL ID：200902273062225759   整理番号：04A0109089

複数の状態予測と報酬予測モデルによる強化学習と行動目標の推定

Reinforcement Learning and Goal Estimation by Multiple Forward and Reward Models

著者 (4件)： 杉本徳和 (奈良先端科学技術大学院大) ,  鮫島和行 (ATR脳情報研) ,  銅谷賢治 (奈良先端科学技術大学院大) ,  川人光男 (奈良先端科学技術大学院大)
資料名： 電子情報通信学会論文誌 D-2  (IEICE Transactions on Information and Systems, Pt.2 (Japanese Edition))
巻： J87-D-2  号： 2  ページ： 683-694  発行年： 2004年02月01日 
JST資料番号： L0197A  ISSN： 0915-1923  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： 本研究では,複数の状態予測モデルと報酬予測モデルの組合せによ...

シソーラス用語： *学習制御 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=04A0109089&from=J-GLOBAL&jstjournalNo=L0197A") }}

分類 (1件)： システム設計・解析  (IA02030D)

引用文献 (11件)：

• DOYA, K. Reinforcement leaning in continuous time and space. Neural Computation. 2000, 12, 219-245
• DOYA, K. Multiple model-based reinforcement learning. Neural Computation. 2002, 14, 1347-1369
• FLEMING, W. H. Controlled Markov Processes and Viscosity Solutions. 1993
• HARUNO, M. Neural Computation. 2001, 13, 2201-2220
• SINGH, S. P. Transfer of learning by composing solutions of elemental sequential tasks. Machine Learning. 1992, 8, 323-339

タイトルに関連する用語 (6件)： 状態予測 ,  報酬 ,  予測モデル ,  強化学習 ,  行動目標 ,  推定