Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  State Space Compression with Predictive Representations

Boularias, A., Izadi, M., & Chaib-Draa, B. (2008). State Space Compression with Predictive Representations. In D. Wilson, & H. Lane (Eds.), Twenty-First International Florida Artificial Intelligence Research Society Conference (pp. 41-46). Menlo Park, CA, USA: AAAI Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C983-6 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-7FA3-7
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
FLAIRS-2008-Boularias.pdf (beliebiger Volltext), 148KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-7FA4-6
Name:
FLAIRS-2008-Boularias.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Boularias, A1, Autor           
Izadi, M, Autor
Chaib-Draa, B, Autor
Affiliations:
1External Organizations, ou_persistent22              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Current studies have demonstrated that the representational power of predictive state representations (PSRs) is at least
equal to the one of partially observable Markov decision
processes (POMDPs). This is while early steps in planning
and generalization with PSRs suggest substantial improvements
compared to POMDPs. However, lack of practical algorithms
for learning these representations severely restricts
their applicability. The computational inefficiency of exact
PSR learning methods naturally leads to the exploration of
various approximation methods that can provide a good set
of core tests through less computational effort. In this paper,
we address this problem in an optimization framework. In
particular, our approach aims to minimize the potential error
that may be caused by missing a number of core tests. We
provide analysis of the error caused by this compression and
present an empirical evaluation illustrating the performance
of this approach.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2008-05
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 6831
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 21st International Florida Artificial Intelligence Research Society Conference (FLAIRS 2008)
Veranstaltungsort: Coconut Grove, FL, USA
Start-/Enddatum: 2008-05-15 - 2008-05-17

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Twenty-First International Florida Artificial Intelligence Research Society Conference
Genre der Quelle: Konferenzband
 Urheber:
Wilson, DC, Herausgeber
Lane, HC, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Menlo Park, CA, USA : AAAI Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 41 - 46 Identifikator: ISBN: 978-1-57735-365-2