Навчання з підкріпленням (Ukrainian Wikipedia)

Analysis of information sources in references of the Wikipedia article "Навчання з підкріпленням" in Ukrainian language version.

refsWebsite

Global rank Ukrainian rank

11web.archive.org

1^st place

5ualberta.ca

3,600^th place

3,626^th place

2psu.edu

207^th place

811^th place

1springer.com

274^th place

202^nd place

1tokic.com

low place

1doi.org

2^nd place

4^th place

1rhul.ac.uk

low place

8,811^th place

1usc.edu

1,077^th place

4,836^th place

1handle.net

102^nd place

1,959^th place

doi.org

Bradtke та Barto, 1996. Bradtke, Steven J.; Barto, Andrew G. (1996). Learning to predict by the method of temporal differences. Machine Learning. Springer. 22: 33—57. doi:10.1023/A:1018056104778. Архів оригіналу за 8 жовтня 2012. Процитовано 27 серпня 2016. (англ.)

handle.net

hdl.handle.net

Deisenroth, Neumann та Peters, 2013. Deisenroth, Marc Peter; Neumann, Gerhard; Peters, Jan (2013). A Survey on Policy Search for Robotics. Foundations and Trends in Robotics. Т. 2. NOW Publishers. с. 1—142. (англ.)

psu.edu

citeseerx.ist.psu.edu

Bradtke та Barto, 1996. Bradtke, Steven J.; Barto, Andrew G. (1996). Learning to predict by the method of temporal differences. Machine Learning. Springer. 22: 33—57. doi:10.1023/A:1018056104778. Архів оригіналу за 8 жовтня 2012. Процитовано 27 серпня 2016. (англ.)
Williams, 1987. Williams, Ronald J. (1987). A class of gradient-estimating algorithms for reinforcement learning in neural networks. Proceedings of the IEEE First International Conference on Neural Networks. Архів оригіналу за 8 жовтня 2012. Процитовано 27 серпня 2016. (англ.)

rhul.ac.uk

cs.rhul.ac.uk

Watkins, 1989. Watkins, Christopher J.C.H. (1989). Learning from Delayed Rewards (PDF) (Дипломна робота PhD). King’s College, Cambridge, UK. Архів оригіналу (PDF) за 9 вересня 2016. Процитовано 27 серпня 2016. (англ.)

springer.com

Gosavi, 2003. Gosavi, Abhijit (2003). Simulation-based Optimization: Parametric Optimization Techniques and Reinforcement. Springer. ISBN 1-4020-7454-9. Архів оригіналу за 15 червня 2012. Процитовано 27 серпня 2016. (англ.)

tokic.com

Tokic, Michel; Palm, Günther (2011), Value-Difference Based Exploration: Adaptive Control Between Epsilon-Greedy and Softmax (PDF), KI 2011: Advances in Artificial Intelligence, Lecture Notes in Computer Science, т. 7006, Springer, с. 335—346, ISBN 978-3-642-24455-1, архів оригіналу (PDF) за 23 листопада 2018, процитовано 22 вересня 2020

ualberta.ca

webdocs.cs.ualberta.ca

Sutton та Barto, 1998, §11. Case Studies. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Sutton та Barto, 1998, §6.6 Actor-Critic Methods. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Sutton, 1984. Sutton, Richard S. (1984). Temporal Credit Assignment in Reinforcement Learning (Дипломна робота PhD). University of Massachusetts, Amherst, MA. Архів оригіналу за 28 серпня 2016. Процитовано 27 серпня 2016. (англ.)
Sutton та Barto, 1998, §6. Temporal-Difference Learning. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Докладніше про ці області дослідження див. http://webdocs.cs.ualberta.ca/~sutton/RL-FAQ.html#behaviorism [Архівовано 28 серпня 2016 у Wayback Machine.] (англ.)

usc.edu

www-clmc.usc.edu

наприклад, Peters, Vijayakumar та Schaal, 2003 Peters, Jan; Vijayakumar, Sethu; Schaal, Stefan (2003). Reinforcement Learning for Humanoid Robotics (PDF). IEEE-RAS International Conference on Humanoid Robots. Архів оригіналу (PDF) за 12 травня 2013. Процитовано 27 серпня 2016. (англ.)

web.archive.org

Sutton та Barto, 1998, §11. Case Studies. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Gosavi, 2003. Gosavi, Abhijit (2003). Simulation-based Optimization: Parametric Optimization Techniques and Reinforcement. Springer. ISBN 1-4020-7454-9. Архів оригіналу за 15 червня 2012. Процитовано 27 серпня 2016. (англ.)
Tokic, Michel; Palm, Günther (2011), Value-Difference Based Exploration: Adaptive Control Between Epsilon-Greedy and Softmax (PDF), KI 2011: Advances in Artificial Intelligence, Lecture Notes in Computer Science, т. 7006, Springer, с. 335—346, ISBN 978-3-642-24455-1, архів оригіналу (PDF) за 23 листопада 2018, процитовано 22 вересня 2020
Sutton та Barto, 1998, §6.6 Actor-Critic Methods. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Sutton, 1984. Sutton, Richard S. (1984). Temporal Credit Assignment in Reinforcement Learning (Дипломна робота PhD). University of Massachusetts, Amherst, MA. Архів оригіналу за 28 серпня 2016. Процитовано 27 серпня 2016. (англ.)
Sutton та Barto, 1998, §6. Temporal-Difference Learning. Sutton, Richard S.; Barto, Andrew G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN 0-262-19398-1. Архів оригіналу за 11 грудня 2013. Процитовано 27 серпня 2016. (англ.)
Bradtke та Barto, 1996. Bradtke, Steven J.; Barto, Andrew G. (1996). Learning to predict by the method of temporal differences. Machine Learning. Springer. 22: 33—57. doi:10.1023/A:1018056104778. Архів оригіналу за 8 жовтня 2012. Процитовано 27 серпня 2016. (англ.)
Watkins, 1989. Watkins, Christopher J.C.H. (1989). Learning from Delayed Rewards (PDF) (Дипломна робота PhD). King’s College, Cambridge, UK. Архів оригіналу (PDF) за 9 вересня 2016. Процитовано 27 серпня 2016. (англ.)
Williams, 1987. Williams, Ronald J. (1987). A class of gradient-estimating algorithms for reinforcement learning in neural networks. Proceedings of the IEEE First International Conference on Neural Networks. Архів оригіналу за 8 жовтня 2012. Процитовано 27 серпня 2016. (англ.)
наприклад, Peters, Vijayakumar та Schaal, 2003 Peters, Jan; Vijayakumar, Sethu; Schaal, Stefan (2003). Reinforcement Learning for Humanoid Robotics (PDF). IEEE-RAS International Conference on Humanoid Robots. Архів оригіналу (PDF) за 12 травня 2013. Процитовано 27 серпня 2016. (англ.)
Докладніше про ці області дослідження див. http://webdocs.cs.ualberta.ca/~sutton/RL-FAQ.html#behaviorism [Архівовано 28 серпня 2016 у Wayback Machine.] (англ.)