文献

J-GLOBAL ID：200902284034284253   整理番号：08A0281862

方策こう配法を用いた行動学習:環境のダイナミクスと行動知識とを分離した方策の表現

Behavior Learning Based on a Policy Gradient Method: Separation of Environmental Dynamics and State-values in Policies

著者 (2件)： 石原聖司 (近畿大 工) ,  五十嵐治一 (芝浦工大 工)
資料名： 知能システムシンポジウム資料
巻： 35th  ページ： 230-235  発行年： 2008年 
JST資料番号： X0905A  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)

シソーラス用語： *強化学習 ,  学習 ,  評価関数 ,  *傾斜法 ,  Markov過程 ,  目的関数 ,  最小化問題 ,  遷移確率 ,  決定問題 ,  不確実性
準シソーラス用語： Q学習 ,  *行動学習 ,  価値関数 ,  Markov決定過程

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 方策 ,  こう配法 ,  行動学習 ,  環境 ,  ダイナミクス ,  行動 ,  知識 ,  表現