Použití modifikovaného Q-učení pro řízení inverzního kyvadla

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F03%3APU38801" target="_blank" >RIV/00216305:26210/03:PU38801 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Použití modifikovaného Q-učení pro řízení inverzního kyvadla

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

Using Modified Q-learning With LWR for Inverted Pendulum Control

Popis výsledku anglicky

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.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2003

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

ENGINEERING MECHANICS 2003

ISBN

80-86246-18-3

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

368-369

Název nakladatele

Institute of Theoretical and applied Mechanics Academy of sciences of the Czech Republic

Místo vydání

Prague

Místo konání akce

Svratka

Datum konání akce

12. 5. 2003

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—