کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6854142 1437404 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Neural approximations in discounted infinite-horizon stochastic optimal control problems
ترجمه فارسی عنوان
تقریب های عصبی در مشکلات کنترل بهینه تصادفی افق بی نهایت افق
کلمات کلیدی
کنترل بهینه تصادفی، افق بی نهایت با تخفیف، بهینه ثابت کنترل حلقه بسته، شبکه های عصبی، نزدیک شدن
ترجمه چکیده
محاسبات عصبی از استراتژی بهینه استراتژیک استراتژیک کنترل حلقه بسته برای مسائل کنترل بهینه اختلال افسانه بی نهایت افق بررسی شده است. نشان داده شده است که برای یک خانواده از چنین مشکلات، حداقل تعداد پارامترهای شبکه مورد نیاز برای دستیابی به یک دقت مورد نظر از راه حل تقریبی، با تعداد متغیرهای حالت رشد نمیکند. به طریقی، تقریب شبکه عصبی، لمس به اصطلاح "ابعاد" را کاهش می دهد. نتایج نظری حاصل از آن، توانایی های تقریب مبتنی بر شبکه عصبی را در چارچوب مشکلات تصمیم گیری متوالی با فضاهای حالت مداوم، کنترل و اختلال نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Neural approximations of the optimal stationary closed-loop control strategies for discounted infinite-horizon stochastic optimal control problems are investigated. It is shown that for a family of such problems, the minimal number of network parameters needed to achieve a desired accuracy of the approximate solution does not grow exponentially with the number of state variables. In such a way, neural-network approximation mitigates the so-called “curse of dimensionality”. The obtained theoretical results point out the potentialities of neural-network based approximation in the framework of sequential decision problems with continuous state, control, and disturbance spaces.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 74, September 2018, Pages 294-302
نویسندگان
, ,