Art

J-GLOBAL ID：202102241837321099   Reference number：21A0234515

Self-generation of reward based on sensor value -Improving reward accuracy by associating multiple sensors using Hebb’s rule-

センサ値に基づく報酬の自己生成-Hebb則を用いた多重センサによる報酬精度の向上-【JST・京大機械翻訳】

Author (2)： Kondo Sosuke (Division on Information and Electronic Engineering Muroran Institute of Technology,Japan) ,  Kurashige Kentarou (Muroran Institute of Technoligy,Department of Information and Electronic Engineering,Japan)
Material： IEEE Conference Proceedings  (IEEE Conf Proc)
Volume： 2020  Issue： SSCI  Page： 1886-1892  Publication year： 2020 
JST Material Number： W2441A  Document type： Proceedings
Article type： 原著論文  Country of issue： United States (USA)  Language： ENGLISH (EN)

Abstract/Point： Reinforcement learning(RL) is ...

Register(free) or Log In to access     To see more with JDream III (charged).   {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A0234515&from=J-GLOBAL&jstjournalNo=W2441A") }}

Thesaurus term： plasticity ,  interaction ,  robot ,  neuron ,  synapse ,  signal reception ,  performance index ,  sensor ,  *agent ,  reinforcement learning ,  multi-sensor ,  high accuracy ,  mechanical property ,  property
Semi thesaurus term： 高精度化 ,  危険予測 ,  入力データ , 【Automatic Indexing@JST】

JST classification (1)： Graphic and image processing in general  (JE04010I)

Terms in the title (4)： 報酬 ,  自己 ,  多重センサ ,  精度の向上