An Expectation Maximization Algorithm for Continuous Markov Decision Processes 
with Arbitrary Reward

Hoffman, M; Freitas , ND; Doucet, A; Peters, J

An Expectation Maximization Algorithm for Continuous Markov Decision Processes with Arbitrary Reward

Hoffman, M., Freitas, N., Doucet, A., & Peters, J. (2009). An Expectation Maximization Algorithm for Continuous Markov Decision Processes with Arbitrary Reward. In D., Van Dyk, & M., Welling (Eds.), Twelfth International Conference on Artificial Intelligence and Statistics (AIStats 2009) (pp. 232-239). Cambridge, MA, USA: MIT Press.

Item is 公開

表示: 全項目非表示: 全項目

基本情報

表示: 非表示:

アイテムのパーマリンク: https://hdl.handle.net/11858/00-001M-0000-0013-C53B-E 版のパーマリンク: https://hdl.handle.net/21.11116/0000-0002-FE36-4

資料種別: 会議論文

ファイル

表示: ファイル

作成者

表示:

非表示:

作成者:
Hoffman, M, 著者
Freitas , ND, 著者
Doucet, A, 著者
Peters, J^{1, 2}, 著者

所属:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794

内容説明

表示:

非表示:

キーワード: -

要旨: We derive a new expectation maximization algorithm for policy optimization in linear Gaussian Markov decision processes, where the reward function is parameterised in terms of a flexible mixture of Gaussians. This approach exploits both analytical tractability and numerical optimization. Consequently, on the one hand, it is more flexible and general than closed-form solutions, such as the widely used linear quadratic Gaussian (LQG) controllers. On the other hand, it is more accurate and faster than optimization methods that rely on approximation and simulation. Partial analytical solutions (though costly) eliminate the need for simulation and, hence, avoid approximation error. The experiments will show that for the same cost of computation, policy optimization methods that rely on analytical tractability have higher value than the ones that rely on simulation.

資料詳細

表示:

非表示:

言語:

日付: 出版: 2009-04

出版の状態: 出版

ページ: -

出版情報: -

目次: -

査読: -

識別子（DOI, ISBNなど）: URI: http://jmlr.csail.mit.edu/proceedings/papers/v5/hoffman09a.html
BibTex参照ID: 5658

学位: -

訴訟

表示:

Project information

表示:

出版物 1

表示:

非表示:

出版物名: Twelfth International Conference on Artificial Intelligence and Statistics (AIStats 2009)

種別: 会議論文集

著者・編者:
Van Dyk, D, 編集者
Welling, M, 編集者

所属:
-

出版社, 出版地: Cambridge, MA, USA : MIT Press

ページ: - 巻号: - 通巻号: - 開始・終了ページ: 232 - 239 識別子（ISBN, ISSN, DOIなど）: -

出版物 2

表示:

非表示:

出版物名: JMLR Workshop and Conference Proceedings

種別: 連載記事

著者・編者:

所属:

出版社, 出版地: -

ページ: - 巻号: 5 通巻号: - 開始・終了ページ: - 識別子（ISBN, ISSN, DOIなど）: -

アイテム詳細

基本情報

ファイル

関連URL

作成者

内容説明

資料詳細

関連イベント

訴訟

Project information

出版物 1

出版物 2