• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>知能システムシンポジウム >深層強化学習の実機ロボットへの応用：車輪型移動ロボットの行動獲得の実現
【24h】

深層強化学習の実機ロボットへの応用：車輪型移動ロボットの行動獲得の実現

机译：对现实机器机器人的深度加强学习应用：实现轮式移动机器人的行为获取

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

深層強化学習は，深層学習と強化学習を組み合わせた機械学習の手法である．その代表的な手法として，Deep Q-network (DQN)があり，ビデオゲームAtari 2600の複数のゲームにおいて人間と同等以上の性能を示し，大きな注目を集めた．DQNでは，画像から自動的に特徴量を抽出することができるConvolutional Neural Network (CNN)を採用している．これにより，ゲームの画面そのもの（画像情報）を入力とした行動獲得を実現したことが特筆すべき点である．
机译：深度加强学习是一种结合深度学习和加固学习的机器学习方法。作为代表性的方法，Deep Q-Network（DQN）在视频游戏Atari 2600的多个游戏中具有性能或更高的性能，并收集了重大关注。 DQN采用卷积神经网络（CNN），可以从图像中自动提取特征量。因此，应该注意，可以输入（图像信息）来输入游戏屏幕本身（图像信息）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号