Uczenie ze wzmocnieniem regulatora Takagi-Sugeno metodą elementów ASE/ACE

• Autorzy: Zajdel R.

Warianty tytułu

EN

Reinforcement learning with use of neuronlike elements ASE/ACE of Takagi-Sugeno controller

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano zastosowanie algorytmu uczenia ze wzmocnieniem metodą elementów ASE/ACE do uczenia następników reguł regulatora rozmytego Takagi-Sugeno. Poprawność proponowanych rozwiązań zweryfikowano symulacyjnie w sterowaniu układem wahadło odwrócone - wózek. Przeprowadzono również eksperymenty porównawcze z klasyczną siecią elementów ASE/ACE. Pokazano zalety i wady rozwiązania klasycznego i rozmytego.

EN

The adaptation of reinforcement learning algorithm with the use of ASE/ACE elements for rule consequence learning of the Takagi-Sugeno fuzzy logic controller is proposed. The solution is applied to control of the cart-pole system and tested by computer simulations. The original neuronlike elements ASE/ACE are simulated as well. Advantages and disadvantages of the both approaches (fuzzy and classical) are demonstrated.

Słowa kluczowe

PL

regulator rozmyty; uczenie ze wzmocnieniem; wahadło odwrócone

EN

fuzzy controller; reinforcement learning; inverted pendulum

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 1
• Strony: 47--49
• Opis fizyczny: Bibliogr. 7 poz., rys., wykr., wzory

Twórcy

autor

Zajdel R.

• Katedra Informatyki i Automatyki, Politechnika Rzeszowska,

Bibliografia

• [1] A. G. Barto, R. S. Sutton, C. W. Anderson: Ncuronlikc adaptive elements that can solve difficult learning problem, IEEE Trans. SMC, 1983, 13, 834-847.
• [2] H. R. Beom, H. S. Cho: A Sensor - Based Navigation for a Mobile Robot Using Fuzzy Logic and Reinforcement Learning, IEEE Trans. SMC, 1995, 25, 3, 464-477.
• [3] C. -T. Lin: A neural fuzzy control system with structure and parameter learning. Fuzzy Sets Syst, 1995, 70, 183-212.
• [4] R. Sutton, A. Barto: Reinforcement Learning: An Introduction, Cambridge, MA. MIT Press. 1998.
• [5] C. Ye, N. Yung, D. Wang: A Fuzzy Controller With Supervised Learning Assisted Reinforcement Learning Algorithm for Obstacle Avoidance, IEEE Trans. SMC, 2003, 33. 1, 17-27.
• [6] R. Zajdel: Algorytmy rozmyto-neuronowe i ich zastosowanie do sterowania małym robotem mobilnym. Rozprawa doktorska. Wrocław 1998.
• [7] C. Zhou, Q. Meng: Dynamic balance of a biped robot using fuzzy reinforcement learning agents. Fuzzy Sets and Systems, 2003, 134, 169-187.