文献

J-GLOBAL ID：201702250988191701   整理番号：17A1645583

RBF(動径基底関数)ネットワークとLSM学習アルゴリズムを用いたデータ駆動型ADP【Powered by NICT】

A data-driven ADP with RBF network and LSM learning algorithm

著者 (7件)： Huang Zhijian (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Li Yudong (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Chen Wentao (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Zhang Qin (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Wu Qili (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Tan Qinmin (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306) ,  Yang Zhiyuan (Merchant Marine College, Shanghai Maritime University, Shanghai, 201306)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DDCLS  ページ： 346-349  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ADPは効果的な最適方法である。しかし,最適性はそのネットワーク構造と訓練アルゴリズムに依存する。ADPに対する詳細な解析後にそのクリティックと行動ネットワークを実現するためにRBF(動径基底関数)ニューラルネットワークを採用した。LSM法は,訓練アルゴリズムとして導入し,新しい基底関数を定義し,これは大域的最適化とオンライン制御を達成した。妥当性を局所最小による最適点を見出すことにより検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *基底関数 ,  *ネットワーク ,  *動径基底関数 ,  ネットワーク構造 ,  *学習アルゴリズム ,  ニューラルネットワーク ,  オンライン制御
準シソーラス用語： 大域的最適化 ,  最適性 ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： RbF ,  動径基底関数 ,  LSM ,  学習アルゴリズム ,  データ駆動 ,  ADP