Risk-sensitive reinforcement learning

We derive a family of risk-sensitive reinforcement learning methods for agents, who face sequential decision-making tasks in uncertain environments. By applying a utility function to the temporal difference (TD) error, nonlinear transformations are effectively applied not only to the received reward...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Neural computation Jg. 26; H. 7; S. 1298
Hauptverfasser:	Shen, Yun, Tobia, Michael J, Sommer, Tobias, Obermayer, Klaus
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	United States 01.07.2014
Schlagworte:	Algorithms Brain - physiology Brain Mapping Decision Making - physiology Humans Magnetic Resonance Imaging Markov Chains Models, Psychological Nonlinear Dynamics Oxygen - blood Probability Reinforcement (Psychology) Risk
ISSN:	1530-888X, 1530-888X
Online-Zugang:	Weitere Angaben
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!