TY - Jour A2 - Homma，Noriyasu Au - Goto，Kenta Au - Shibata，Katsunari Py - 2010年DA - 2010/06/30使用经常性神经网络SP - 437654 VL - 2010 AB - 437654 VL - 2010 AB - 至开发一个在现实世界中灵活行为的机器人，必须自主地学习各种必要的功能，而不提前从人权信息中接收重要信息。在这些职能中，本文从自主学习的角度侧重于最近吸引着关注的“预测”。作者指出，通过学习不仅可以预测未来信息的方式来获取，还非常重要，也很重要，也很重要，也是从传感器信号中的预测目标的目的提取。建议通过使用经常性神经网络的加强学习，两者都在无所作地和同时出现，而不单独地测试是否每条信息是可预测的。在一个任务中，当代理获得奖励时捕获可能变得不可见的移动物体时，观察到代理商学会检测在消失之前的对象速度的必要因素，以中继一些隐藏神经元之间的信息最后在适当的位置和时序捕捉物体，考虑到物体变得看不见的墙壁上的效果。SN - 1687-9600 UR - https://doi.org/10.1155/2010/437654 Do - 10.1155 / 2010/437654 JF - 机器人PB - Hindwi Publishing CorporationKW - ER -