The policy gradient on the average reward manifold

• 松原 崇充

• 森本 淳

書誌事項

タイトル別名

• 平均報酬の多様体に基づく方策勾配法
• ニューロコンピューティング
• ニューロ コンピューティング

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 107 (410), 81-86, 2007-12-22

  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
• Reinforcement Learning
• Policy Gradient
• Natural Policy Gradient

詳細情報

• CRID: 1520572358545014528
• NII論文ID: 110006549439
• NII書誌ID: AA1123312X
• ISSN: 09135685
• NDL書誌ID: 9330261
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I9330261
• 本文言語コード: en
• 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