基于有效跟踪的平均渐进瞬时差分学习遗忘算法(英文)

来源 :长沙电力学院学报(自然科学版) | 被引量 : 0次 | 上传用户:yztny
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
智能体通过学习最优决策来解决其决策问题.激励学习方法是智能体通过与其所处的环境交互来改进它自身的行为.Markov决策过程(MDP)模型是求解激励学习问题的一般框架,瞬时差分TD(λ)是在MDP模型下与策略相关的学习值函数的一种算法.一般情况下,智能体必须记住其所有的值函数的值,当状态空间非常大时,这种记忆的量是大得惊人的.为了解决这个问题,给出了一种遗忘算法,这种算法把心理学的遗忘准则引入到了激励学习之中.利用遗忘算法,可以解决智能体在大状态空间中的激励学习问题. The agent solves its decision-making problem by learning the optimal decision-making method, which is that the agent can improve its own behavior by interacting with the environment it is in. The Markov decision-making process (MDP) model is a general framework for solving incentive learning problems, Difference TD (λ) is an algorithm of strategy-related learning value function under MDP model. In general, an agent must remember the value of all its value functions. When the state space is very large, this kind of memory In order to solve this problem, a forgetting algorithm is proposed, which introduces the forgetting criteria of psychology into the motivational learning.Using the algorithm of forgetting, we can solve the problem of the agent in the large state space Encourage learning problems.
其他文献
<正>日本侵华期间准备和实施细菌战的历史事实已不容置疑,随着新资料、新证据的不断发现和公开,特别是日本官方机构保存的关于日本细菌战的公文记录,对于认知日本细菌战部队
会议
俄罗斯科学院东方文献研究所、圣彼得堡大学东方系图书馆和俄罗斯国家公共图书馆藏有部分满文珍稀文献,它们多属子部的释家类、基督教类和医家类.俄藏满文珍稀文献中孤本较少
德国社会各界抗议电视中充斥暴力镜头德国桑布尔研究所进行的一次民意测验结果表明,绝大多数德国人认为荧屏暴力泛滥成灾。据联邦妇女与少儿部公布,几乎有半数的德国电视节目以
The n-way combination testing is a specification-based testing criterion, which requires that for a system consisted of a few parameters, every combination of v
本论文通过小鼠、大鼠整体实验和离体犬肾上皮细胞(MDCK)水平检测舒络通过血脑屏障(blood-brain barrier,BBB)的情况:包括小鼠口服药物后,脑内药物含量;根据药物被细胞摄取的情况,描述药物的吸收回归方程;基于药效学研究的前期工作基础,观察调控P-gp活性后,药效改变情况。并初步探讨这种通透性是否与冰片、P-糖蛋白(P-glycoprotein,P-gp)及机体的脑缺血状态等因素
九十年代的广播人和广播发展趋势陈毓祥从香港广播业的演变看广播的优势广播在香港是怎样发展起来的呢?大概是在五六十年代,香港的家庭手工业开始发展,逐步发展到初级工业。那时
目的:观察氧化应激后Hsp90作为分子伴侣对大鼠VSMC p-ERK1/2作用,以及它对CyPA和CAV-1与p-ERK1/2相互作用的影响。 方法:为观察氧化应激后细胞内Hsp90蛋白表达变化及ERK1/
一些治渤海史者常持“渤海诸王皆右文”之观点,通过文献资料及考古材料两个方面,厘清了“渤海诸王皆右文”是一条以讹传讹的伪史料;此外,就现有材料分析,得出“渤海诸王皆右
法律制度是国家控制整个社会并实现其统治职能的基本工具。高句丽在建国初期,法律体制不健全,没有成文的法律条例,亦没有专门的法律机构。“诸加评议会”制度成为高句丽初期
新疆业外突发事件对旅游业的影响巨大,旅游业的脆弱性以及不易恢复性在新疆的体现更为突出。2014年以来连续的突发暴恐事件给新疆旅游市场造成了严重的损失。如何对新疆旅游