Přístupnostní navigace
E-přihláška
Vyhledávání Vyhledat Zavřít
Detail publikace
BŘEZINA, T., KREJSA, J., VĚCHET, S.
Originální název
STOCHASTIC POLICY IN Q-LEARNING USED FOR CONTROL OF AMB
Anglický název
Typ
článek ve sborníku ve WoS nebo Scopus
Jazyk
čeština
Originální abstrakt
A great intention is lately focused on Reinforcement Learning (RL) methods. The article is focused on improving model free RL method known as Q-learning algorithm used on active magnetic bearing (AMB) model. Stochastic strategy and adaptive integration step increased the speed of learning approximately hundred times. Impossibility of using proposed improvement online is the only drawback, however it might be used for pretraining on simulation model and further fined online.
Anglický abstrakt
Klíčová slova
Reinforcement Learning, Q-learning, Active Magnetic Bearing
Klíčová slova v angličtině
Autoři
Rok RIV
2002
Vydáno
13. 5. 2002
Nakladatel
Institute of Mechanics of Solids, Faculty of Mechanical Engineering, Brno University of Technology
Místo
Brno
ISBN
80-214-2109-6
Kniha
Inženýrská mechanika 2002
Číslo edice
1
Strany od
7
Strany do
8
Strany počet
2
BibTex
@inproceedings{BUT9663, author="Tomáš {Březina} and Jiří {Krejsa} and Stanislav {Věchet}", title="STOCHASTIC POLICY IN Q-LEARNING USED FOR CONTROL OF AMB", booktitle="Inženýrská mechanika 2002", year="2002", number="1", pages="2", publisher="Institute of Mechanics of Solids, Faculty of Mechanical Engineering, Brno University of Technology", address="Brno", isbn="80-214-2109-6" }