基于最先策略增强学习的ART2神经网络

• 作者: 吴耿锋 樊建
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 增强学习 ART2神经网络 最先策略 避碰撞
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 研究与应用
• 页码范围: 428-432
• 页数: 5页
• 分类号: TP18
• 字数: 2863字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2006.03.025

摘要

提出一种基于最先策略增强学习的ART2神经网络FPRL-ART2(Foremost-Policy Reinforcement Learning based ART2 neural network),并介绍其学习算法.为了达到在线学习的目的,在FPRL-ART2中,从状态到行为值之间的映射中,选择第一个得到奖励的行为,而不是选择诸如1-step Q-Learning中具有最优行为值的行为.ART2神经网络用于存储分类模式,其权重通过增强学习增强或减弱,达到学习的目的.并将FPRL-ART2运用到移动机器人避碰撞问题的研究中.仿真实验表明,引入FPRL-ART2后减少移动机器人与障碍物发生碰撞的次数,具有良好的避碰效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴耿锋	上海大学计算机工程与科学学院	96	1482	18.0	35.0
2	樊建	上海大学计算机工程与科学学院	7	66	4.0	7.0