期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于平均奖赏强化学习算法的零阶分类元系统
被引量:
1
1
作者
臧兆祥
李昭
+1 位作者
王俊英
但志平
《计算机工程与应用》
CSCD
北大核心
2016年第21期14-20,48,共8页
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的...
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的应用领域。基于ZCS的现有框架,提出了一种采用平均奖赏强化学习技术(R-学习算法)的分类元系统,将ZCS中的折扣奖赏强化学习方法替换为R-学习算法,从而使ZCS一方面可应用于需要优化平均奖赏的问题领域,另一方面则可求解规模较大、需要动作长链支持的多步学习问题。实验显示,在多步学习问题中,该系统可给出满意解,且在维持动作长链,以及克服过泛化问题方面,具有更优的特性。
展开更多
关键词
平均奖赏
强化
学习
R-
学习
算法
学习分类元系统
(LCS)
零阶
分类
元
系统
(ZCS)
多步
学习
问题
下载PDF
职称材料
LCS在多步学习问题中的规则集压缩算法
被引量:
1
2
作者
臧兆祥
李德华
王俊英
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014年第2期101-105,共5页
为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适...
为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适应值较高的分类元的个体数目;b.进行冲突消解,消除规则集里相互重叠、相互冲突的分类元;c.对产生的无重叠无冲突的规则集,进行大幅度压缩处理,得出最终的精简规则集.实验结果表明:所提算法能够在几乎不降低系统整体性能的前提下,将规则集极大地约简和压缩,从而产生足够小的规则集,使LCSs的知识表示的冗余度减少,凸显了规则集的易解释、易操作等特性;提高了LCSs在多步学习问题中的应用效果,拓展了其应用范围.
展开更多
关键词
学习分类元系统
压缩算法
多步
学习
问题
强化
学习
规则集压缩
LEARNING
CLASSIFIER
SYSTEMS
(LCS)
原文传递
题名
基于平均奖赏强化学习算法的零阶分类元系统
被引量:
1
1
作者
臧兆祥
李昭
王俊英
但志平
机构
三峡大学水电工程智能视觉监测湖北省重点实验室
三峡大学计算机与信息学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期14-20,48,共8页
基金
国家自然科学基金(No.61502274)
湖北省自然科学基金(No.2015CFB336
+5 种基金
No.2014CFC1144
No.2015CFA025)
三峡大学水电工程智能视觉监测湖北省重点实验室开放基金(No.2015KLA08
No.2014KLA08)
三峡大学人才科研启动基金(No.KJ2013B064
No.KJ2013B063)
文摘
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的应用领域。基于ZCS的现有框架,提出了一种采用平均奖赏强化学习技术(R-学习算法)的分类元系统,将ZCS中的折扣奖赏强化学习方法替换为R-学习算法,从而使ZCS一方面可应用于需要优化平均奖赏的问题领域,另一方面则可求解规模较大、需要动作长链支持的多步学习问题。实验显示,在多步学习问题中,该系统可给出满意解,且在维持动作长链,以及克服过泛化问题方面,具有更优的特性。
关键词
平均奖赏
强化
学习
R-
学习
算法
学习分类元系统
(LCS)
零阶
分类
元
系统
(ZCS)
多步
学习
问题
Keywords
average reward
reinforcement learning
R-learning
Learning Classifier Systems(LCS)
Zeroth-level Classifier System(ZCS)
multi-step problems
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
LCS在多步学习问题中的规则集压缩算法
被引量:
1
2
作者
臧兆祥
李德华
王俊英
机构
三峡大学计算机与信息学院
华中科技大学自动化学院
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014年第2期101-105,共5页
基金
国家自然科学基金资助项目(69775022)
国家高技术研究发展计划资助项目(863-306-ZT04-06-3)
文摘
为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适应值较高的分类元的个体数目;b.进行冲突消解,消除规则集里相互重叠、相互冲突的分类元;c.对产生的无重叠无冲突的规则集,进行大幅度压缩处理,得出最终的精简规则集.实验结果表明:所提算法能够在几乎不降低系统整体性能的前提下,将规则集极大地约简和压缩,从而产生足够小的规则集,使LCSs的知识表示的冗余度减少,凸显了规则集的易解释、易操作等特性;提高了LCSs在多步学习问题中的应用效果,拓展了其应用范围.
关键词
学习分类元系统
压缩算法
多步
学习
问题
强化
学习
规则集压缩
LEARNING
CLASSIFIER
SYSTEMS
(LCS)
Keywords
compaction algorithm
multi-step learning problems
reinforcement learning
rule set compaction
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP39 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于平均奖赏强化学习算法的零阶分类元系统
臧兆祥
李昭
王俊英
但志平
《计算机工程与应用》
CSCD
北大核心
2016
1
下载PDF
职称材料
2
LCS在多步学习问题中的规则集压缩算法
臧兆祥
李德华
王俊英
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部