抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
オフ政策TD制御Q学習に基づいて,本論文では,終端状態に到達する最適ポリシーを見つけるために強化学習により訓練される,学習効率と結果に影響する五つの因子を探る含んでいる。電流作用の良い点と悪い点を推定するための学習関数Qするためには,すべての可能な状態と他のすべての作用を学習のプロセスにおける概要をしなければならない。従って,学習の過程における二つの主要な方法:探査と利用である。探査は未発見であり,良好な作用を発見することを目的とした新しい作用をする方法である。利用は発見された情報に基づいて行動をする最適政策を採用する方法である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】