최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국인터넷방송통신학회 논문지 = The journal of the Institute of Internet Broadcasting and Communication, v.10 no.5, 2010년, pp.265 - 270
Reinforcement learning performs learning through interacting with trial-and-error in dynamic environment. Therefore, in dynamic environment, reinforcement learning method like TD-learning and TD(
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
강화학습은 어떻게 학습을 수행하는가? | 강화학습(reinforcement learning)은 동적 환경과 시행-착오를 통해 상호 작용하면서 학습을 수행한다. 그러므로 동적 환경에서 TD-학습과 TD(${\lambda}$)-학습과 같은 강화학습 방법들은 전통적인 통계적 학습 방법보다 더 빠르게 학습을 할 수 있다. | |
본 논문에서 제안된 GDRLS의 탐색모듈과 학습모듈은 각각 어떤 단계인가? | 본 논문에서 제안된 GDRLS는 탐색 모듈(search module)과 학습 모듈(learning module)로 구성되어 있다. 탐색 모듈은 최적 경로를 찾기 위해 최적 경로가 될 수 있는 후보 상태들을 탐색하기 위해 학습을 수행하는 단계이고, 학습 모듈은 탐색 모듈에서 선택된 상태들에 대해 최단 경로를 탐색하기 위한 학습하는 단계이다. 제안된 학습 방법은 TD-오류를 이용한 Q-학습[5] 그리고 TD(λ)를 이용한 Q(λ)-학습[6]을 Abbott, R이 제안한 미로 환경[7]에 적용한 결과 제안된 방법이 최적 함수에 매우 빠르게 수렴함을 알 수 있었다. | |
일반적으로 강화 학습을 위해 제시된 학습 방법들은 무엇으로 구분할 수 있는가? | Minsky에 의해 소개된 강화 학습(reinforcement learning)은 동적프로그래밍(dynamic programming)과 교사학습(supervised learning)을 혼합한 형태의 학습 방법으로서 학습을 수행하는 에이전트(agent)는 에이전트 외부에 존재하는 환경(environment)과 시행-착오(trial-and-error)를 통해 상호작용(interaction)하면서 학습한다[1]. 일반적으로 강화 학습을 위해 제시된 많은 학습 방법들은 동적프로그래밍[2], 몬테카를로(Monte Carlo)[3] 그리고 TD-학습[4] 등으로 구분할 수 있다. |
M .L. Minsky "Theory of Neural-Aanlog Reinforcement Systems and Application to the Brain-Model Problem", Ph.D. Thesis Princetion University, Princetion, 1954.
D. P. Bertsekas, "Dynamic Programming and Optimal Control", Athena Scientific, Belmont, MA., 1995.
M.H.Kalos and P. A. Whitlock, " Monte Carlo Methods", Wiley, NY., 1986.
P. Dayan and G. E. Hinton, "Improving generalization for temporal difference learning : the successor representation", Neural Computation, 5, pp.613-624, 1993.
C. J. C. H. Watkins, "Learning from Delayed Rewards, Ph.D. Thesis, King's College, Cambride, U.K., 1989.
R. S. Sutton, "Generalization in Reinforcement Learning : Successful examples using sparse coarse coding", Advances in Nural Information Processing Systems, 8, pp. 1038-1045, MIT Press, Cambridge MA, 1996.
Abbott, R: Mad Mazes: Intriguing Mind Twisters for Puzzle Buffs, Game Nuts and Other Smart People. Adams Media, 1990
S.P. Singh and R. S. Sutton, "Reinforcement learning with Replacing Eigibility Traces", Machine Learning, 22, pp. 123-158, 1996.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.