Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Temporal-Difference Q-learning in Active Fault Diagnosis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F16%3A43929230" target="_blank" >RIV/49777513:23520/16:43929230 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/SYSTOL.2016.7739765" target="_blank" >http://dx.doi.org/10.1109/SYSTOL.2016.7739765</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/SYSTOL.2016.7739765" target="_blank" >10.1109/SYSTOL.2016.7739765</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Temporal-Difference Q-learning in Active Fault Diagnosis

  • Popis výsledku v původním jazyce

    The paper deals with a novel design of an approximate active fault detector for discrete-time stochastic linear Markovian switching systems on the infinite-time horizon. The problem is formulated as an optimization problem with the aim to minimize a general discounted detection cost criterion. The proposed solution is inspired by approximate dynamic programming and reinforcement learning. The active fault detector is trained by a temporal-difference Q-learning algorithm with a linear parametric Q-function approximation adjusted to fit the true Q-function. The main advantage is that this approach is computationally less expensive than a temporal-difference learning with a value function.

  • Název v anglickém jazyce

    Temporal-Difference Q-learning in Active Fault Diagnosis

  • Popis výsledku anglicky

    The paper deals with a novel design of an approximate active fault detector for discrete-time stochastic linear Markovian switching systems on the infinite-time horizon. The problem is formulated as an optimization problem with the aim to minimize a general discounted detection cost criterion. The proposed solution is inspired by approximate dynamic programming and reinforcement learning. The active fault detector is trained by a temporal-difference Q-learning algorithm with a linear parametric Q-function approximation adjusted to fit the true Q-function. The main advantage is that this approach is computationally less expensive than a temporal-difference learning with a value function.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2016 3rd Conference on Control and Fault-Tolerant Systems (SysTol)

  • ISBN

    978-1-5090-0658-8

  • ISSN

    2162-1195

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    287-292

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Barcelona, Spain

  • Datum konání akce

    7. 9. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000391868600045