基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在强化学习的值函数线性估计问题中,时序差分不动点解和贝尔曼残差的方法都是对真实值函数的斜投影,然而这两种解经证明都不是最优解.通过对两种投影进行加权平均,提出了一种一般化的斜投影算子.基于此推导出两种残差时序差分学习算法,并给出了这两种算法在异策略下的收敛性证明.在著名的Baird的异策略反例实验上,与相关算法进行了对比,实验结果验证了所提算法的正确性和有效性.
推荐文章
基于斜投影算子的压缩采样匹配追踪算法
斜投影
压缩采样
压缩感知
匹配追踪
重构算法
胁迫罪探析——兼论刑法中胁迫行为犯罪一般化
胁迫罪
胁迫行为
一般化
犯罪构成特征
基于改进ELM的递归最小二乘时序差分强化学习算法及其应用
强化学习
激活函数
递归最小二乘算法
函数逼近
广义Hop-world问题
一般贝叶斯网络分类器及其学习算法
贝叶斯网络
马尔可夫毯
贝叶斯分类器
结构学习
特征选择
局部搜索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于一般化斜投影的异策略时序差分学习算法
来源期刊 南京大学学报(自然科学版) 学科 工学
关键词 强化学习 线性函数估计 斜投影 异策略 时序差分学习
年,卷(期) 2017,(6) 所属期刊栏目 人工智能:从知识发现到机器学习
研究方向 页码范围 1052-1062
页数 11页 分类号 TP311
字数 6731字 语种 中文
DOI 10.13232/j.cnki.jnju.2017.06.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈兴国 南京邮电大学计算机学院 5 78 3.0 5.0
5 陈筱语 南京邮电大学贝尔英才学院 3 1 1.0 1.0
6 吴毓双 南京邮电大学贝尔英才学院 2 1 1.0 1.0
7 马静雯 南京邮电大学计算机学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (151)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (11)
二级引证文献  (1)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
强化学习
线性函数估计
斜投影
异策略
时序差分学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京大学学报(自然科学版)
双月刊
0469-5097
32-1169/N
江苏省南京市南京大学
chi
出版文献量(篇)
2526
总下载数(次)
6
总被引数(次)
23071
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导