Art

J-GLOBAL ID：200902284034284253   Reference number：08A0281862

Behavior Learning Based on a Policy Gradient Method: Separation of Environmental Dynamics and State-values in Policies

方策こう配法を用いた行動学習:環境のダイナミクスと行動知識とを分離した方策の表現

Author (2)： ISHIHARA SEIJI (近畿大 工) ,  IGARASHI HARUKAZU (芝浦工大 工)
Material： 知能システムシンポジウム資料
Volume： 35th  Page： 230-235  Publication year： 2008 
JST Material Number： X0905A  Document type： Proceedings
Article type： 原著論文  Country of issue： Japan (JPN)  Language： JAPANESE (JA)

Thesaurus term： *reinforcement learning ,  learning ,  evaluation function ,  *gradient method ,  Markov process ,  objective function ,  minimum problem ,  transition probability ,  decision problem ,  uncertainty
Semi thesaurus term： Q-learning ,  *action learning ,  merit function ,  MDP

JST classification (1)： Artificial intelligence  (JE08000Z)

Terms in the title (8)： 方策 ,  こう配法 ,  行動学習 ,  環境 ,  ダイナミクス ,  行動 ,  知識 ,  表現