A reinforcement learning approach based on the fuzzy min-max neural network

 
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο



A reinforcement learning approach based on the fuzzy min-max neural network (EN)

Likas, A (EN)
Blekas, K (EN)

N/A (EN)

The fuzzy min-max neural network constitutes a neural architecture that is based on hyperbox fuzzy sets and can be incrementally trained by appropriately adjusting the number of hyperboxes and their corresponding volumes. Two versions have been proposed: for supervised and unsupervised learning. In this paper a modified approach is presented that is appropriate for reinforcement learning problems with discrete action space and is applied to the difficult task of autonomous vehicle navigation when no a priori knowledge of the enivronment is available. Experimental results indicate that the proposed reinforcement learning network exhibits superior learning behavior compared to conventional reinforcement schemes. © 1996 Kluwer Academic Publishers. (EN)

journalArticle

Learning systems (EN)
Autonomous vehicle navigation (EN)
Fuzzy sets (EN)
Navigation (EN)
Fuzzy min max neural networks (EN)
Neural networks (EN)
Fuzzy min-max neural network (EN)
Reinforcement learning (EN)
Robots (EN)

Εθνικό Μετσόβιο Πολυτεχνείο (EL)
National Technical University of Athens (EN)

Neural Processing Letters (EN)

1996


KLUWER ACADEMIC PUBL (EN)



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.