您的位置: 专家智库 > >

伊婧

作品数:3 被引量:2H指数:1
供职机构:沈阳工业大学信息科学与工程学院更多>>
发文基金:国家杰出青年科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...

主题

  • 3篇机器人
  • 2篇导航
  • 2篇隶属度函数
  • 2篇机器人导航
  • 1篇映射
  • 1篇矢量
  • 1篇矢量量化
  • 1篇特征映射
  • 1篇自组织
  • 1篇自组织特征映...
  • 1篇码书
  • 1篇Q学习
  • 1篇VQ
  • 1篇Q

机构

  • 3篇沈阳工业大学
  • 1篇东北大学

作者

  • 3篇伊婧
  • 2篇段勇
  • 1篇徐心和
  • 1篇张永赫

传媒

  • 1篇制造业自动化
  • 1篇高技术通讯

年份

  • 3篇2011
3 条 记 录,以下是 1-3
排序方式:
基于二型模糊系统的强化学习及其在机器人行为学习中的应用
2011年
针对复杂的移动机器人导航问题,提出一种基于二型模糊系统的强化学习算法。它既可以利用二型模糊系统解决大规模强化学习中状态空间到动作空间的映射问题,也可以利用强化学习算法完善二型模糊系统中模糊规则,解决了二型模糊系统主观定义模糊规则的局限性,提高了算法的学习效率。最后,将该算法应用到移动机器人导航的行为学习问题中,通过实验证明了研究算法的有效性和精确性,利用该算法可以使机器人在复杂环境下完成导航任务。
段勇伊婧
关键词:机器人导航隶属度函数Q学习
基于矢量量化的强化学习及其在机器人行为学习中的应用被引量:1
2011年
针对强化学习(RL)中状态空间过大所引起的学习时间过长或算法难于收敛等问题,提出了一种基于矢量量化(VQ)技术的表格型强化学习方法——VQRL方法,该方法用矢量量化器的码书矢量来逼近强化学习的状态空间,从而有效地解决了强化学习的状态空间分割问题,并提高了学习的收敛速度。同时根据等失真理论将一种失真敏感自组织特征映射(SOFM)神经网络用于矢量量化,以达到更好的强化学习状态空间泛化性能。将此方法应用于反应式移动机器人的行为学习的实验验证了此方法的有效性,实验表明,此方法能够较好地解决复杂未知环境的机器人导航问题。
段勇伊婧张永赫徐心和
关键词:码书自组织特征映射
基于强化学习的机器人行为学习
随着机器人技术的不断发展,机器人导航技术应用的领域和范围也在不断扩大,因此,移动机器人导航技术的研究成为国内外学术界研究的重要课题。由于移动机器人所处的环境是未知的,所以机器人导航存在很强的不确定性。本文主要针对移动机器...
伊婧
关键词:机器人导航隶属度函数
文献传递
共1页<1>
聚类工具0