asymptotic behavior learning automata operating in state dependent nonstationary environments
محل انتشار: دهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,663
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI10_035
تاریخ نمایه سازی: 25 آذر 1390
چکیده مقاله:
in this paper we intorduce a new state dependent nonstationary environment and study the asymptotic behavior of SLrI learning algorithm operating under the proposed environment it is shown that the SLR-I automaton operating in the proposed nontationary environment equalizes the expected penalty strengths of actions this model was motivated by applications of learning automata in call admission in cellular networks
نویسندگان
hamid beigy
computer engineering department sharif university of technology
m.r meybodi
soft computing laboratory computer engineering department amirkabir university of tech