文献

J-GLOBAL ID：202102234366017541   整理番号：21A1775652

純粋なフィードバックシステムのためのESOベースの強化学習について【JST・京大機械翻訳】

On the ESO Based Reinforcement Learning for Pure Feedback Systems

著者 (3件)： Li Dazi (Beijing University of Chemical Technology, Beijing, China) ,  Wang Wei (Beijing University of Chemical Technology, Beijing, China) ,  Gao Zhiqiang (Cleveland State University, Cleveland, OH)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： IDETC-CIE2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  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： 広く使われているが,非アフィン特性を有する純粋なフィードバックシステムの制御は,常に重要で挑戦的な問題である。既存の強化学習アルゴリズムの外乱排除能力を改良することを通して,純粋なフィードバックシステムの正確な追跡制御を達成するために,拡張状態オブザーバ(ESO)に基づく強化学習(RL)制御戦略を,本論文で提案した。提案方法において,拡張状態オブザーバは,総外乱を拒絶し,そして,入力-出力予測子において,非因果問題をカスケード積分形式に打ち勝つために,純粋フィードバックシステムを変換することができた。これは,詳細なモデル情報に依存しないアクター-批評(AC)構造の連続的強化学習戦略を可能にし,それを実際にデータ駆動する。変化基準軌道を追跡する能力をさらに改善するために,新しい曲率加速因子を提案して,それは基準軌道の曲率に従って強化学習制御装置の学習速度を調整することができた。提案したアルゴリズムの有効性をシミュレーション結果によって確かめた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  制御装置 ,  *フィードバック系 ,  曲率 ,  追従制御 ,  有効性 ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： 学習速度 ,  データ駆動 ,  制御戦略 ,  学習戦略 ,  拡張状態オブザーバ , 【Automatic Indexing@JST】

分類 (2件)： システム設計・解析  (IA02030D) ,  システム同定  (IA02040O)

タイトルに関連する用語 (2件)： フィードバックシステム ,  強化学習