Cartes topographiques neuronales pour l'apprentissage par renforcement sur des problèmes de contrôle non-linéaire
Abstract
We present a neural architecture which combines a new reinforcement learning algorithm with a topographic encoding of the inputs as inspired by kernel-based methods. This architecture is able to learn to control non-linear systems defined on a continuous space. Some results on a task of reaching are also given.
Nous présentons une architecture neuronale où sont combinés une nouvelle règle d'apprentissage par renforcement et un codage de l'information topographique inspiré de méthodes à noyaux. Cette architecture est capable d'apprendre à contrôler des systèmes non-linéaires définis sur des espaces continus. Nous présentons les premiers résultats obtenus dans une tâche d'atteinte de cible visuelle.
Origin : Files produced by the author(s)
Loading...