Praktická aplikace Q-učení

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F04%3APU43468" target="_blank" >RIV/00216305:26210/04:PU43468 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61388998:_____/04:00103685

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Continuous Q-learning application

Popis výsledku v původním jazyce

Standard algorithm of Q-Learning is limited by discrete states and actions and Q-function is usually represented as discrete table. To avoid this obstacle and extend the use of Q-learning for continuous states and actions the algorithm must be modified and such modification is presented in the paper. Straightforward way is to replace discrete table with suitable approximator. A number of approximators can be used, with respect to memory and computational requirements the local approximator is particularrly favorable. We have used Locally Weighted Regression (LWR) algorithm. The paper discusses advantages and disadvantages of modified algorithm demonstrated on simple control task.

Název v anglickém jazyce

Continuous Q-learning application

Popis výsledku anglicky

Standard algorithm of Q-Learning is limited by discrete states and actions and Q-function is usually represented as discrete table. To avoid this obstacle and extend the use of Q-learning for continuous states and actions the algorithm must be modified and such modification is presented in the paper. Straightforward way is to replace discrete table with suitable approximator. A number of approximators can be used, with respect to memory and computational requirements the local approximator is particularrly favorable. We have used Locally Weighted Regression (LWR) algorithm. The paper discusses advantages and disadvantages of modified algorithm demonstrated on simple control task.

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

2004

Kód důvěrnosti údajů

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

Název statě ve sborníku

Engineering Mechanics 2004

ISBN

80-85918-88-9

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

307-308

Název nakladatele

Institute of Thermonechanics Academy of Sciences of the Czech Republic, Prague 2004

Místo vydání

Prague

Místo konání akce

Svratka

Datum konání akce

10. 5. 2004

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—