Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  An Expectation Maximization Algorithm for Continuous Markov Decision Processes with Arbitrary Reward

Hoffman, M., Freitas, N., Doucet, A., & Peters, J. (2009). An Expectation Maximization Algorithm for Continuous Markov Decision Processes with Arbitrary Reward. In D. Van Dyk, & M. Welling (Eds.), Twelfth International Conference on Artificial Intelligence and Statistics (AIStats 2009) (pp. 232-239). Cambridge, MA, USA: MIT Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C53B-E Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-FE36-4
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://proceedings.mlr.press/v5/hoffman09a/hoffman09a.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Hoffman, M, Autor
Freitas , ND, Autor
Doucet, A, Autor
Peters, J1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We derive a new expectation maximization algorithm for policy optimization in linear Gaussian Markov decision processes, where the reward function is parameterised in terms of a flexible mixture of Gaussians. This approach exploits both analytical tractability and numerical optimization. Consequently, on the one hand, it is more flexible and general than closed-form solutions, such as the widely used linear quadratic Gaussian (LQG) controllers. On the other hand, it is more accurate and faster than optimization methods that rely on approximation and simulation. Partial analytical solutions (though costly) eliminate the need for simulation and, hence, avoid approximation error. The experiments will show that for the same cost of computation, policy optimization methods that rely on analytical tractability have higher value than the ones that rely on simulation.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2009-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: URI: http://jmlr.csail.mit.edu/proceedings/papers/v5/hoffman09a.html
BibTex Citekey: 5658
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Twelfth International Conference on Artificial Intelligence and Statistics (AIStats 2009)
Veranstaltungsort: Clearwater Beach, FL, USA
Start-/Enddatum: 2009-04-16 - 2009-04-18

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Twelfth International Conference on Artificial Intelligence and Statistics (AIStats 2009)
Genre der Quelle: Konferenzband
 Urheber:
Van Dyk, D, Herausgeber
Welling, M, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Cambridge, MA, USA : MIT Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 232 - 239 Identifikator: -

Quelle 2

einblenden:
ausblenden:
Titel: JMLR Workshop and Conference Proceedings
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 5 Artikelnummer: - Start- / Endseite: - Identifikator: -