Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Model-Based Reinforcement Learning with Continuous States and Actions

Deisenroth, M., Rasmussen, C., & Peters, J. (2008). Model-Based Reinforcement Learning with Continuous States and Actions. In M. Verleysen (Ed.), Advances in computational intelligence and learning: 16th European Symposium on Artificial Neural Networks (pp. 19-24). Evere, Belgium: d-side.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C9E1-0 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-7FD9-B
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
ESANN-2008-Deisenroth.pdf (beliebiger Volltext), 300KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-7FDA-A
Name:
ESANN-2008-Deisenroth.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2008-8.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Deisenroth, MP, Autor           
Rasmussen, CE1, 2, 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: Finding an optimal policy in a reinforcement learning (RL) framework with continuous state and action spaces is challenging. Approximate solutions
are often inevitable. GPDP is an approximate dynamic programming algorithm
based on Gaussian process (GP) models for the value functions. In
this paper, we extend GPDP to the case of unknown transition dynamics.
After building a GP model for the transition dynamics, we apply GPDP
to this model and determine a continuous-valued policy in the entire state
space. We apply the resulting controller to the underpowered pendulum swing up. Moreover, we compare our results on this RL task to a nearly optimal discrete DP solution in a fully known environment.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2008-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: URI: http://www.dice.ucl.ac.be/esann/index.php?pg=pgm
BibTex Citekey: 4977
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 16th European Symposium on Artificial Neural Networks (ESANN 2008)
Veranstaltungsort: Bruges, Belgium
Start-/Enddatum: 2008-04-23 - 2008-04-25

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in computational intelligence and learning: 16th European Symposium on Artificial Neural Networks
Genre der Quelle: Konferenzband
 Urheber:
Verleysen, M, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Evere, Belgium : d-side
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 19 - 24 Identifikator: -