内部状態の報酬に基づいた推定を行う強化学習法

• 中村 泰

• 石井 信

書誌事項

タイトル別名

• ナイブ ジョウタイ ノ ホウシュウ ニ モトヅイタ スイテイ オ オコナウ キョウカ ガクシュウホウ

収録刊行物

• 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報

  電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 104 (140), 29-34, 2004-06-25

  東京 : 電子情報通信学会

キーワード

• 強化学習
• 方策勾配法
• 自然方策勾配法
• 部分観測マルコフ決定過程
• 最小二乗TD学習
• Reinforcement learning
• policy gradient method
• natural policy gradient method
• partially observable Markov decision process
• least squares temporal difference learning

詳細情報

• CRID: 1520572357159671296
• NII論文ID: 110003232636
• NII書誌ID: AA1123312X
• ISSN: 09135685
• NDL書誌ID: 7036867
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I7036867
• 本文言語コード: ja
• NDL 雑誌分類:
  • ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
• データソース種別:
  • NDL
  • CiNii Articles