بهبود الگوریتم های پیگیری با معرفی دو الگوریتم جدید
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 978
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_217
تاریخ نمایه سازی: 6 اسفند 1391
چکیده مقاله:
الگوریتم های پیگیری زیرمجموعه الگوریتم های تخمین زننده ای هستند که خود ازجمله سریعترین الگوریتم های اتوماتای یادگیرند الگوریتم های پیگیری اولیه (DP_RI DP_RP CP_RI CP_RP) از دودیدگاه پیوسته وگسسته برای انتخاب اقدام بهینه جاری استفاده می کنند که الگوی یادگیری آنها الگوی پاداش - جریمه و یا پاداش - سکون است الگوریتم هایی که بعدا معرفی شدند دو الگوریتم پیوسته و گسسته تعمیم یافته اند DGPA GPA) که بجای پیگیری فقط اقدام انتخاب شده بهینه جاری تمام اقدامهایی را که تخمین پاداششان بیشتر ازاقدام انتخاب شده بهینه جاری است را پیگیری می نمایند اما این الگوریتم ها تاکنون فقط براساس الگوی یادگیری پاداش - جریمه بررسی شده اند.
کلیدواژه ها:
نویسندگان
فرهاد عابدینی
دانشگاه آزاد اسلامی واحد رودسرواملش رودسر
فریبرز محمودی
دانشگاه آزاد قزوین
سعید یوسفخواه کلدره
دانشگاه آزاد رودسرواملش رودسر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :