Reinforcement learning algorithm for non-stationary environments

Reinforcement learning (RL) methods learn optimal decisions in the presence of a stationary environment. However, the stationary assumption on the environment is very restrictive. In many real world problems like traffic signal control, robotic applications, etc., one often encounters situations wit...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Applied intelligence (Dordrecht, Netherlands) Ročník 50; číslo 11; s. 3590 - 3606
Hlavní autoři:	Padakandla, Sindhu, K. J., Prabuchandran, Bhatnagar, Shalabh
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.11.2020 Springer Nature B.V
Témata:	Algorithms Artificial Intelligence Computer Science Decisions Energy management Machine learning Machines Manufacturing Markov processes Mechanical Engineering Nonstationary environments Optimization Processes Robot control Robotics Signal processing Traffic control Traffic signals Markov decision processes Change detection Non-Stationary environments Reinforcement learning
ISSN:	0924-669X, 1573-7497
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!