文献

J-GLOBAL ID：201302235635519160   整理番号：13A1263689

得た経路ガイディング知識に基づく発見強化学習の方法

A Method of Heuristic Reinforcement Learning Based on Acquired Path Guiding Knowledge

著者 (2件)： Liu Zhibin (Inst.of Intelligence Sci.and Technol.,Coll. of Computer and Info.Eng.,Hohai Univ., Nanjing) ,  Zeng Xiaoqin (Inst.of Intelligence Sci.and Technol.,Coll. of Computer and Info.Eng.,Hohai Univ., Nanjing)
資料名： Sichuan Daxue Xuebao. Gongchengkexueban  (Sichuan Daxue Xuebao. Gongchengkexueban)
巻： 44  号： 5  ページ： 136-142  発行年： 2012年 
JST資料番号： C2596A  ISSN： 1009-3087  CODEN： SXGKFI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 補強材料学習アルゴリズムの効率と収束性速度を改良するために,得た経路ガイディング知識(PHQL)に基づく発見強化学習の方法を提案した。PHQLを使用する学習プロセスの間,組込バックグラウンド知識が因子に必要でなかった。因子が各々の出来事においてQテーブルを更新する間,経路知識はさらに構築して修正して,独立して最適化した。その後,学習プロセスは,得た経路知識の手段よって導いて速めた。それは因子の愚かさを減少した。加えて,調査の3種類の活動選択方法,功績と発見を解析して,そのうえ,活動選択可能性が時間とともに変えた実際的方法を提唱した。経路計画環境において,PHQLは標準Q-学習と他の関連した強化学習アルゴリズムと比較した。実験結果は,現在の方法が明らかに,学習プロセスを速めて,明確に収束性速度を改良することを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *強化学習 ,  バックグラウンド ,  学習アルゴリズム ,  過程 ,  方式 ,  経路探索 ,  補強材料 ,  材料科学
準シソーラス用語： 学習プロセス ,  実験結果 ,  Q学習 ,  選択法 ,  経路計画 ,  材料学

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 経路 ,  知識 ,  発見 ,  強化学習