Full metadata record
DC FieldValueLanguage
dc.contributor.author周志成en_US
dc.date.accessioned2014-12-13T10:39:34Z-
dc.date.available2014-12-13T10:39:34Z-
dc.date.issued1995en_US
dc.identifier.govdocNSC84-2212-E009-012zh_TW
dc.identifier.urihttp://hdl.handle.net/11536/96633-
dc.identifier.urihttps://www.grb.gov.tw/search/planDetail?id=176016&docId=30118en_US
dc.description.abstract加強式學習與教導式學習有許多本質上的 差異,前者適用於精確的系統模式難以獲得之 問題;後者必須在正確的輸出值能夠取得的情 況下才能應用.加強式學習之研究始於1960年代, 但直至近五年方有突破性的發展,目前加強式 學習大多應用在馬可夫決策過程上,真正應用 在控制上的的例子並不多,應用技術亦未成熟, 而且目前被提出之學習法則大多有收斂速度太 慢,限制使用於離散型輸出,以及對於多重輸出 時參數調整不易等缺點.本計畫的主題在於探 討如何應用加強式學習法則於控制問題上,主 要的研究項目有:(1)以動態規劃為基礎建立加 強式學習的理論架構;(2)建立連續控制輸出與多重控制輸出之加強式學習法則;(3)探討應用 加強式學習法則之類神經網路控制技術與特性 分析;(4)實證比較加強式學習與教導式學習於 學習控制器之功效.zh_TW
dc.description.sponsorship行政院國家科學委員會zh_TW
dc.language.isozh_TWen_US
dc.subject加強式學習zh_TW
dc.subject教導式學習zh_TW
dc.subject類神經網路zh_TW
dc.subjectReinforcement learningen_US
dc.subjectSupervised learningen_US
dc.subjectNeural networken_US
dc.title加強式學習應用於學習控制器之研究zh_TW
dc.titleReinforcement Learning in Control Applicationsen_US
dc.typePlanen_US
dc.contributor.department國立交通大學控制工程研究所zh_TW
Appears in Collections:Research Plans