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。
本論文では,時間プロセスに基づく離散時間半Markov決定プロセスに対する新しいアプローチを導入した。離散時間半Markov過程の異なるキャラクタリゼーションを利用して,決定プロセスをそれらの手段によって構築した。この新アプローチにより,エージェントは,電流状態におけるプロセスの時間にも依存する異なる作用を考慮することができる。有限水平強化学習と確率的再帰関係のためのQ学習アルゴリズムに基づく数値法を研究した。最後に,2つの具体例,すなわち,報酬が,gamblerの落下性に従って, so音時間に依存するものを考察した。他は,報酬関数が滞在時間に依存しないとしても,環境が半Markovである。これらを用いて,以前に提示したQ学習アルゴリズムおよび深い強化学習に基づく異なるナイーブ法に関するいくつかの数値評価を実施した。【JST・京大機械翻訳】