Using Modified Q-learning With LWR for Inverted Pendulum Control
Result description
Locally Weighted Learning (LWR) is a class of approximations, based on a local model. In this paper we demonstrate using LWR together with Q-learning for control tasks. Q-learning is the most effective and popular algorithm which belongs to the Reinforcement Learning algorithms group. This algorithm works with rewards and penalties. The most common representation of Q-function is the table. The table must be replaced by suitable approximator if use of continuous states is required. LWR is one of possiblle approximators. To get the first impression on application of LWR together with modified Q-learning for the control task a simple model of inverted pendulum was created and proposed method was applied on this model.
Keywords
The result's identifiers
Result code in IS VaVaI
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Použití modifikovaného Q-učení pro řízení inverzního kyvadla
Original language description
Lokálně vážená regrese (Locally Weighted Learning - LWR) patří mezi algoritmy aproximací, založených na lokálním modelu. Tento článek demonstruje použití LWR ve spojitosti s Q-učením. Q-učení je v současné době jeden z nejpopulárnějších a nejefektivnějších učících se algoritmů, patřících do skupiny označované jako Opakovaně posilované učení, založené na principu odměny a trestu. Nejběžnější reprezentace Q-funkce je tabulka diskrétních stavů. Pro použití spojitých stavů je nutno tuto tabulku aproximovatnějakým vhodným aproximátorem. Jako vhodný aproximátor bylo zvoleno LWR. Pro počateční pokusy aplikace LWR ve spojitosti s Q-učením byl vytvořen nenáročný model inverzního kyvadla.
Czech name
Použití modifikovaného Q-učení pro řízení inverzního kyvadla
Czech description
—
Classification
Type
D - Article in proceedings
CEP classification
BC - Theory and management systems
OECD FORD branch
—
Result continuities
Project
—
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2003
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Article name in the collection
ENGINEERING MECHANICS 2003
ISBN
80-86246-18-3
ISSN
—
e-ISSN
—
Number of pages
2
Pages from-to
368-369
Publisher name
Institute of Theoretical and applied Mechanics Academy of sciences of the Czech Republic
Place of publication
Prague
Event location
Svratka
Event date
May 12, 2003
Type of event by nationality
CST - Celostátní akce
UT code for WoS article
—
Basic information
Result type
D - Article in proceedings
CEP
BC - Theory and management systems
Year of implementation
2003