声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：胡艳明, 李德才, 何玉庆, 韩建达
关键词：核方法, 最小二乘算法, 增量式学习, 移动机器人, Q学习
为提升机器人的行为智能水平，提出一种基于增量式径向基函数网络（IRBFN）的Q学习（IRBFN-QL）算法．其核心是通过结构的自适应增长与参数的在线学习，实现对Q值函数的学习与存储，从而使机器人可以在未知环境中自主增量式地学习行为策略．首先，采用近似线性独立（ALD）准则在线增加网络节点，使机器人的记忆容量伴随状态空间的拓展自适应增长．同时，节点的增加意味着网络拓扑内部连接的改变．采用核递归最小二乘（KRLS）算法更新网络拓扑连接关系及参数，使机器人不断扩展与优化自身的行为策略．此外，为避免过拟合问题，将L2正则项融合到KRLS算法中，得到L2约束下的核递归最小二乘算法（L2KRLS）．实验结果表明，IRBFN-QL算法能够实现机器人与未知环境的自主交互，并逐步提高移动机器人在走廊环境中的导航行为能力．
来源：2019年第5期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。