دینا فایل / مقاله یادگیری تقویتی مبتنی بر مدل برای ردیابی بهینه تقریبی افق بینهایت
مقاله یادگیری تقویتی مبتنی بر مدل برای ردیابی بهینه تقریبی افق بینهایت
مقاله یادگیری تقویتی مبتنی بر مدل برای ردیابی بهینه تقریبی افق بینهایت
عنوان مقاله فارسی: یادگیری تقویتی مبتنی بر مدل برای ردیابی بهینه تقریبی افق بینهایت عنوان مقاله لاتین: Model-Based Reinforcement Learning for Infinite-Horizon Approximate Optimal Tracking نویسندگان: Rushikesh Kamalapurkar; Lindsey Andrews; Patrick Walters; Warren E. Dixon تعداد صفحات: 5 سال انتشار: 2017 زبان: لاتین Abstract: This brief paper provides an approximate online adaptive solution to the infinite-horizon optimal tracking problem for control-affine continuous-time nonlinear systems with unknown drift dynamics. To relax the persistence of excitation condition, model-based reinforcement learning is implemented using a concurrent-learning-based system identifier to simulate experience by evaluating the Bellman error over unexplored areas of the state space. Tracking of the desired trajectory and convergence of the developed policy to a neighborhood of the optimal
یادگیری تقویتی، مدل، ردیابی، بهینه تقریبی، Reinforcement Learning، Model، Approximate Optimal