Detail publikace

Praktická aplikace Q-učení

VĚCHET, S. KREJSA, J.

Český název

Praktická aplikace Q-učení

Anglický název

Continuous Q-learning application

Typ

článek ve sborníku ve WoS nebo Scopus

Jazyk

en

Originální abstrakt

Standard algorithm of Q-Learning is limited by discrete states and actions and Q-function is usually represented as discrete table. To avoid this obstacle and extend the use of Q-learning for continuous states and actions the algorithm must be modified and such modification is presented in the paper. Straightforward way is to replace discrete table with suitable approximator. A number of approximators can be used, with respect to memory and computational requirements the local approximator is particularly favorable. We have used Locally Weighted Regression (LWR) algorithm. The paper discusses advantages and disadvantages of modified algorithm demonstrated on simple control task.

Český abstrakt

Standardní algoritmus metody Q-učení je omezen používáním diskrétních stavů a akcí. V tomto případě je Q-funkce representována jako diskrétní tabulka. Metoda popisovaná v tomto příspěvku se snaží obejít problém s diskretizací tím, že je od počátku navržena jako spojitá. Diskrétní tabulka Q-hodnot je nahrazena vhodným aproximátorem. V tomto příspěvku hodnotíme výhody a nevýhody spojitého Q-učení oproti jeho diskrétní variantě.

Anglický abstrakt

Standard algorithm of Q-Learning is limited by discrete states and actions and Q-function is usually represented as discrete table. To avoid this obstacle and extend the use of Q-learning for continuous states and actions the algorithm must be modified and such modification is presented in the paper. Straightforward way is to replace discrete table with suitable approximator. A number of approximators can be used, with respect to memory and computational requirements the local approximator is particularly favorable. We have used Locally Weighted Regression (LWR) algorithm. The paper discusses advantages and disadvantages of modified algorithm demonstrated on simple control task.

Klíčová slova anglicky

Q-learning, Machine learning, Locall approximators

Rok RIV

2004

Vydáno

10.05.2004

Nakladatel

Institute of Thermonechanics Academy of Sciences of the Czech Republic, Prague 2004

Místo

Prague

ISBN

80-85918-88-9

Kniha

Engineering Mechanics 2004

Číslo edice

1

Počet stran

2

BIBTEX


@inproceedings{BUT14018,
  author="Stanislav {Věchet} and Jiří {Krejsa},
  title="Continuous Q-learning application",
  booktitle="Engineering Mechanics 2004",
  year="2004",
  month="May",
  publisher="Institute of Thermonechanics Academy of Sciences of the Czech Republic, Prague 2004",
  address="Prague",
  isbn="80-85918-88-9"
}