Application of recurrent neural networks to reinforcement learning under incomplete perception リカレントニューラルネットワークの不完全知覚下での強化学習への応用

この論文をさがす

著者

    • Ahmet Onat アーメト オナト

書誌事項

タイトル

Application of recurrent neural networks to reinforcement learning under incomplete perception

タイトル別名

リカレントニューラルネットワークの不完全知覚下での強化学習への応用

著者名

Ahmet Onat

著者別名

アーメト オナト

学位授与大学

京都大学

取得学位

博士 (工学)

学位授与番号

甲第7842号

学位授与年月日

1999-03-23

注記・抄録

博士論文

新制・課程博士

甲第7842号

工博第1822号

目次

  1. 論文目録 / (0001.jp2)
  2. Contents / p1 (0005.jp2)
  3. 1 Introduction / p1 (0009.jp2)
  4. 2 Reinforcement Learning / p5 (0011.jp2)
  5. 2.1 Overview / p5 (0011.jp2)
  6. 2.2 Background / p6 (0012.jp2)
  7. 2.3 Mathematical definition of Reinforcement Learning / p7 (0012.jp2)
  8. 2.4 Markovian decision processes / p11 (0014.jp2)
  9. 2.5 Dynamic programming / p12 (0015.jp2)
  10. 2.6 Exploration methods / p14 (0016.jp2)
  11. 2.7 Reinforcement learning algorithms / p16 (0017.jp2)
  12. 3 Reinforcement Learning under Incomplete Perception / p25 (0021.jp2)
  13. 3.1 Overview / p25 (0021.jp2)
  14. 3.2 Observation based solution methods / p27 (0022.jp2)
  15. 3.3 Solution methods with a dynamic environment model / p28 (0023.jp2)
  16. 4 Recurrent Neural Networks / p35 (0026.jp2)
  17. 4.1 Overview / p35 (0026.jp2)
  18. 4.2 The neuron model / p37 (0027.jp2)
  19. 4.3 Recurrent neural network architecture / p37 (0027.jp2)
  20. 4.4 Supervised training algorithms / p42 (0030.jp2)
  21. 5 Q-learning with Recurrent Neural Networks / p48 (0033.jp2)
  22. 5.1 Overview / p48 (0033.jp2)
  23. 5.2 Learning agent structure / p49 (0033.jp2)
  24. 5.3 The learning procedure / p54 (0036.jp2)
  25. 5.4 Implementation of the learning agent / p55 (0036.jp2)
  26. 5.5 Differences between the proposed structure and Recurrent-Q / p56 (0037.jp2)
  27. 6 Q-learning with Recurrent Neural Networks in Symbolic Environments / p58 (0038.jp2)
  28. 6.1 Overview / p58 (0038.jp2)
  29. 6.2 The symbolic environments / p59 (0038.jp2)
  30. 6.3 Results for the house environment / p63 (0040.jp2)
  31. 6.4 Propagation of the Q values / p86 (0052.jp2)
  32. 6.5 Summary / p90 (0054.jp2)
  33. 7 Q-learning with Recurrent Neural Networks in a Numeric Control Problem / p93 (0055.jp2)
  34. 7.1 Overview / p93 (0055.jp2)
  35. 7.2 The inverted pendulum problem / p94 (0056.jp2)
  36. 7.3 Results for controlling the inverted pendulum / p97 (0057.jp2)
  37. 7.4 Summary / p103 (0060.jp2)
  38. 8 Stochastic Gradient Ascent with Recurrent Neural Networks / p106 (0062.jp2)
  39. 8.1 Overview / p106 (0062.jp2)
  40. 8.2 The architecture / p108 (0063.jp2)
  41. 8.3 Details of the learning algorithm / p110 (0064.jp2)
  42. 8.4 The simulation environments / p112 (0065.jp2)
  43. 8.5 Results of simulations / p114 (0066.jp2)
  44. 8.6 Summary / p126 (0072.jp2)
  45. 9 Conclusion / p129 (0073.jp2)
3アクセス

各種コード

  • NII論文ID(NAID)
    500000170403
  • NII著者ID(NRID)
    • 8000000170677
  • DOI(NDL)
  • 本文言語コード
    • eng
  • NDL書誌ID
    • 000000334717
  • データ提供元
    • 機関リポジトリ
    • NDL-OPAC
    • NDLデジタルコレクション
ページトップへ