文献

J-GLOBAL ID：200902280699010655   整理番号：04A0654021

POMDPs環境下での経験強化型強化学習法

The Exploitation Reinforcement Learning Method on POMDPs

著者 (3件)： 植村渉 (大阪市大 大学院工学研究科) ,  上野敦志 (大阪市大 大学院工学研究科) ,  辰巳昭治 (大阪市大 大学院工学研究科)
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： 233(AI2004 12-18)  ページ： 1-5  発行年： 2004年07月29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： 強化学習法は,試行錯誤により報酬を獲得し,その報酬情報により...

シソーラス用語： *強化学習 ,...
準シソーラス用語： 報酬分配

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=04A0654021&from=J-GLOBAL&jstjournalNo=S0532B") }}

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (10件)：

• GREFENSTETTE, J. J. Credit Assignment in Rule Discovery Systems Based on Genetic Algorithms. Machine Learning. 1988, 3, 225-245
• RUMMERY, G. A. On-line Q-learning Using Connectionist Systems. Technical Report. 1994
• SUTTON, R. S. Integrated architecture for learning, planning, and reacting based on approximating dynamic programing. Proc. of 7th International Conference on Machine Learning, 1990. 1990, 216-224
• SUTTON, R. S. Learning to Predict by Method of Temporal Differences. Machine Learning. 1988, 4, 9-44
• WATKINS, C. J. C. H. Technical Note : Q-Learning. Machine Learning. 1992, 8, 279-292

タイトルに関連する用語 (3件)： 環境 ,  経験 ,  強化