Multi-Agent Reinforcement Learning System to Improve Actual Ships' Courses

多智能体强化学习系统改善实际船舶航向

基本信息

  • 批准号:
    16K00309
  • 负责人:
  • 金额:
    $ 2.83万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
  • 财政年份:
    2016
  • 资助国家:
    日本
  • 起止时间:
    2016-04-01 至 2019-03-31
  • 项目状态:
    已结题

项目摘要

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Enhancement of Reference Course Tracking Capability in Multi-Agent Reinforcement Learning System to Search Ships’ Courses
增强多智能体强化学习系统参考航向跟踪能力以搜索船舶航向
保井俊祐,三堀邦彦,田中隆博,藤坂尚登,神尾武司
安井俊介、三堀邦彦、田中贵宏、藤坂直人、神尾武
強化学習ベース多船航路探索法によるニアミス航路の改善
使用基于强化学习的多船航线搜索方法改进未遂航线
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    長谷川 滉;大河内 明日香;内種 岳詞;岩田 員典;伊藤 暢浩;近江龍一,西原陽子,山西良典;冨原崇寛,神尾武司,田中隆博,三堀邦彦,藤坂尚登
  • 通讯作者:
    冨原崇寛,神尾武司,田中隆博,三堀邦彦,藤坂尚登
強化学習ベース多船航路探索におけるQ学習とProfit Sharingの比較
基于强化学习的多船路径搜索中Q-learning与利润共享的比较
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    宮本 侑季;日下 大舜;内種 岳詞;岩田 員典;伊藤 暢浩;冨原崇寛,節家 将,神尾武司,田中隆博,三堀邦彦,藤坂尚登
  • 通讯作者:
    冨原崇寛,節家 将,神尾武司,田中隆博,三堀邦彦,藤坂尚登
Influence of Reference Courses on Reinforcement Learning to Search Ships' Courses
参考课程对强化学习搜索船舶课程的影响
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Kamio Takeshi其他文献

Accelerating Symmetric Rank-1 Quasi-Newton Method with Nesterov’s Gradient for Training Neural Networks
使用 Nesterov 梯度加速对称 Rank-1 拟牛顿法训练神经网络
  • DOI:
    10.3390/a15010006
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    2.3
  • 作者:
    Indrapriyadarsini S.;Mahboubi Shahrzad;Ninomiya Hiroshi;Kamio Takeshi;Asai Hideki
  • 通讯作者:
    Asai Hideki
addHessian: Combining quasi-Newton method with first-order method for neural network training
addHessian:拟牛顿法与一阶法相结合进行神经网络训练
  • DOI:
    10.1587/nolta.13.361
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Yasuda Sota;Indrapriyadarsini S.;Ninomiya Hiroshi;Kamio Takeshi;Asai Hideki
  • 通讯作者:
    Asai Hideki

Kamio Takeshi的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似海外基金

Collaborative Research: CDS&E: Generalizable RANS Turbulence Models through Scientific Multi-Agent Reinforcement Learning
合作研究:CDS
  • 批准号:
    2347423
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Standard Grant
深層強化学習を用いた運動ノイズの影響を最小化する運動制御推定フレームワークの構築
使用深度强化学习构建运动控制估计框架,最大限度地减少运动噪声的影响
  • 批准号:
    24KJ2223
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
CAREER: Stochasticity and Resilience in Reinforcement Learning: From Single to Multiple Agents
职业:强化学习中的随机性和弹性:从单个智能体到多个智能体
  • 批准号:
    2339794
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Continuing Grant
Learning to Reason in Reinforcement Learning
在强化学习中学习推理
  • 批准号:
    DP240103278
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Discovery Projects
強化学習モデル・ネットワーク分析によるサイコパシーの情報処理メカニズムの解明
利用强化学习模型和网络分析阐明精神病态的信息处理机制
  • 批准号:
    24K16865
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
リスクの不確実性に対処する自律分散型マルチエージェント強化学習の研究開発
应对风险不确定性的自主分布式多智能体强化学习研发
  • 批准号:
    24K20873
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
計測・通信品質が保証されない環境下の多目的フィードフォワード最適制御と強化学習
测量和通信质量无法保证环境下的多目标前馈最优控制和强化学习
  • 批准号:
    23K20948
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
遅延を考慮した非同期分散型マルチモジュール・タイムスケール深層強化学習の開発
考虑延迟的异步分布式多模块时间尺度深度强化学习的开发
  • 批准号:
    23K21710
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
汎用かつ再利用可能な方策に基づく階層強化学習
基于通用和可重用策略的分层强化学习
  • 批准号:
    23K28140
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
強化学習を用いた分散制御によるネットワーク信号制御の最適化に関する研究
基于强化学习的分布式控制网络信号控制优化研究
  • 批准号:
    23K26216
  • 财政年份:
    2024
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了