動的プログラミングにおけるJ関数近似のためのニューラルネットワーク設計

本論文では、新しいタイプの人工ニューラルネットワーク（ANN）である同時再帰ネットワーク（SRN）が、適切に訓練されれば、従来のANN（フィードフォワードまたはヘッブ型）では解決できない難易度の高い関数近似問題を解決できることを示しています。この問題は、真の知的制御システムをニューラルネットワークを使用して構築する際に発生する典型的な問題であり、一般化された迷路ナビゲーションの問題です。（このようなシステムについては、K. Pribramの「Brain and Values」（Erlbaum 1998）のWerbosによる章で論じられています。）本論文は、他のタイプの再帰ネットワークおよび代替トレーニング技術の一般的なレビューを提供し、誤差批評家トレーニング設計のフローチャートを含んでおり、脳がリアルタイムで時間遅延再帰システムにどのように適応するかを説明する唯一のプラウス可能なアプローチと言えるでしょう。テストのCコードが添付されています。バックプロパゲーションの最初のテストと同様に、ここでの訓練は遅かったですが、このタイプのネットワークを使用した経験を積めばより良くする方法があります。