0311244 - ÚI 2009 RIV DE eng C - Conference Paper (international conference)
Slušný, Stanislav - Neruda, Roman - Vidnerová, Petra
Rule-based Analysis of Behaviour Learned by Evolutionary and Reinforcement Algorithms.
[Analýza chování naučených algoritmy evolučního a posilovaného učení pomocí pravidel.]
Advanced Intelligent Computing Theories and Applications With Aspects of Artificial Intelligence. Berlin: Springer, 2008 - (Huang, D.; Wunsch, D.; Levine, D.; Jo, K.), s. 284-291. Lecture Notes in Artificial Intelligence, 5227. ISBN 978-3-540-85983-3.
[ICIC 2008. International Conference on Intelligent Computing /4./. Shanghai (CN), 15.09.2008-18.09.2008]
R&D Projects: GA AV ČR 1ET100300419
Institutional research plan: CEZ:AV0Z10300504
Keywords : radial basis function networks * reinforcement learning * evolutionary robotics
Subject RIV: IN - Informatics, Computer Science
DOI: https://doi.org/10.1007/978-3-540-85984-0_35

We study behavioural patterns learned by a robotic agent by means of two different control and adaptive approaches - a radial basis function neural network trained by evolutionary algorithm, and a traditional reinforcement Q-learning algorithm. In both cases, a set of rules controlling the agent is derived from the learned controllers, and these sets are compared. It is shown that both procedures lead to reasonable and compact, albeit rather different, rule sets.

Studujeme vzorce chování robotického agenta učícího se dvěma mechanismy – sítěmi typu RBF učenými evolučním algoritmem, a tradičním algoritmem posilovaného Q-učení. V obou případech odvodíme množinu pravidel řízení agenta a porovnáme je. Oba přístupy vedou k racionálním a poměrně kompaktním různým sadám pravidel.
Permanent Link: http://hdl.handle.net/11104/0162913