文献

J-GLOBAL ID：200902273164932662   整理番号：05A0410485

自然方策勾配法に基づくオフポリシー型強化学習法

An off-policy reinforcement learning method based on a natural policy gradient method

著者 (2件)： 中村泰 (JST-CREST) ,  石井信 (奈良先端科学技術大学院大)
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： 131-136  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： 強化学習法には“探索搾取問題”と呼ばれる問題がある。これは,...

シソーラス用語： *強化学習 ,...
準シソーラス用語： オフポリシー法 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=05A0410485&from=J-GLOBAL&jstjournalNo=S0532B") }}

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

引用文献 (19件)：

• SUTTON, R. S. Reinforcement Learning : An Introduction. 1998
• ABERDEEN, D. A survey of approximate methods for solving partially observable markov decision processe. 2003
• YOSHIMOTO, J. System identification based on on-line variational bayes method and its application to reinforcement learning. Artificial Neural Networks and Neural Information Processing. 2003, 123-131
• WILLIAMS, R. J. Simple statistical gradient-following algorithms for connectionist reinforcement learning. Machine Learning. 1992, 8, 229-256
• SUTTON, R. S. Policy gradient method for reinforcement learning with function approximation. Advances in Neural Information Processing Systems. 2000, 12, 1057-1063

タイトルに関連する用語 (2件)： 方策勾配法 ,  強化