Using a simulated annealing to enhance learning in adjustment processes

Albert Samà, Francisco J. Ruiz, Núria Agell, Cecilio Angulo

Producció científica: Capítol de llibreContribució a congrés/conferènciaAvaluat per experts

Resum

This paper introduces a new approach to enhance learning in adjustment processes by using a support vector machine (SVM) algorithm as discriminant function jointly with an action generator module. The method trains a SVM with state-action patterns and uses trained SVM to select an appropriate action given a certain state in order to reach the target state. The system incorporates a simulated annealing technique to increase the exploration capacity and improve the ability to avoid local minima. The methodology has been tested in an example with artificial data.

Idioma originalAnglès
Títol de la publicacióFrontiers in Artificial Intelligence and Applications
EditorIOS Press
Pàgines119-127
Nombre de pàgines9
Edició1
ISBN (imprès)9781607500612
DOIs
Estat de la publicacióPublicada - 2009
Publicat externament

Sèrie de publicacions

NomFrontiers in Artificial Intelligence and Applications
Nombre1
Volum202
ISSN (imprès)0922-6389

Fingerprint

Navegar pels temes de recerca de 'Using a simulated annealing to enhance learning in adjustment processes'. Junts formen un fingerprint únic.

Com citar-ho