Work

Apprentissage par renforcement batch fondé sur la reconstruction de trajectoires artificielles

Year: 2014

Type: conference-paper

Abstract: Resume : Cet article se situe dans le cadre de l’apprentissage par renforcement en mode batch, dont le probleme central est d’apprendre, a partir d’un ensemble de trajectoires, une politique de decision optimisant un critere donne. On considere plus specifiquement les problemes pour lesquels l’espace d’etat est continu, problemes pour lesquels les schemas de resolution classiques se fondent sur l’utilisation d’approximateurs de fonctions. Cet article propose une alternative fondee sur la reconstruction de “trajectoires artificielles” permettant d’aborder sous un angle nouveau les problemes classiques de l’apprentissage par renforcement batch. Mots-cles : Apprentissage par renforcement batch.

Source: ORBi (University of Liège)

Authors: Raphaël Fonteneau, Susan A. Murphy, Louis Wehenkel, Damien Ernst

Institution: University of Liège

Language: French

Topic: Reinforcement Learning in Robotics

Subfield: Artificial Intelligence

Field: Computer Science

Domain: Physical Sciences

Open Access status: green

OpenAlex ID: W194115701

FWCI:

Cites: 35

Cited by:

Related to: 10