Using a simulated annealing to enhance learning in adjustment processes

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

Producción científica: Capítulo del libroContribución a congreso/conferenciarevisión exhaustiva

Resumen

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 originalInglés
Título de la publicación alojadaFrontiers in Artificial Intelligence and Applications
EditorialIOS Press
Páginas119-127
Número de páginas9
Edición1
ISBN (versión impresa)9781607500612
DOI
EstadoPublicada - 2009
Publicado de forma externa

Serie de la publicación

NombreFrontiers in Artificial Intelligence and Applications
Número1
Volumen202
ISSN (versión impresa)0922-6389

Huella

Profundice en los temas de investigación de 'Using a simulated annealing to enhance learning in adjustment processes'. En conjunto forman una huella única.

Citar esto