10.3969/j.issn.1671-654X.1999.02.013
二次奖罚学习自动机
研究了奖罚型学习自动机的一种非线性强化算法.与线性的奖罚模型(LRP)不同,新模型的行动选择概率的更新函数为二次的.这使得该模型的学习性能优于LRP,且对不同的环境,其具有不同的行为和特点.
人工智能、强化学习、学习自动机
29
TP2(自动化技术及设备)
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
47-49
点击收藏,不怕下次找不到~
10.3969/j.issn.1671-654X.1999.02.013
人工智能、强化学习、学习自动机
29
TP2(自动化技术及设备)
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
47-49
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话:4000115888 举报邮箱:problem@wanfangdata.com.cn