文献

J-GLOBAL ID：201902232586552197   整理番号：19A0303165

強化学習における新しい火力発電制御【JST・京大機械翻訳】

A new thermal power generation control in reinforcement learning

著者 (5件)： Zou Luobao (Department of Automation, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Zhuang Zhiwei (Department of Automation, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Cheng Yin (Department of Automation, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Huang Yuexin (Department of Automation, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Zhang Weidong (Department of Automation, Shanghai Jiao Tong University, Shanghai, 200240, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CAC  ページ： 1734-1739  発行年： 2018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： 本論文では,熱発電制御に対する強化学習アルゴリズムを適用する新しいフレームワークを,従来のPID制御器の代わりに提案した。ニューラルネットワークによる時系列応答を実行するために,制御モデルを離散化し,それを環境に埋め込んだ。定常状態のセットポイントへの調整プロセスとしてのエピソードを定義することによって,エージェントはスカラー誤差信号を受け入れる代わりに全体の埋め込みモデルを学習することができた。実験は,近位ポリシー最適化フレームワークが,単一入力単一出力(SISO)システムにおける従来のPID制御と同じロバスト性と高速応答を示し,多重入力多出力(MIMO)システムにおいてより良く機能することを証明した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スカラー ,  多重化 ,  最適化 ,  *強化学習 ,  学習アルゴリズム ,  エージェント ,  ニューラルネットワーク ,  ロバスト性 ,  *火力発電
準シソーラス用語： SISO ,  誤差信号 ,  エピソード ,  定常状態 ,  離散化 ,  PID制御 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 強化学習 ,  火力発電