マルコフ計画法の英語

第一状態遷移確率及び所定の第一報酬を用いて、マルコフ決定過程における動的計画法に基づき、状態価値関数Ｖ^π（ｓ）を求める。例文帳に追加

The first state transition probability and prescribed first reward are used to obtain a state value function V^π(s) on the basis of dynamic programming in a Markov decision process. - 特許庁

ロボット動作計画時の非参照状態変数の存在に伴うマルコフ性の欠如を補償し、時間的コスト及び計算機コストの削減を行うロボット制御方法及びプログラムを提供する。例文帳に追加

To provide robot control method and program, reducing time cost and computer cost by compensating for a Markov lack due to the existence of a non-reference state variable in the robot motion planning. - 特許庁

部分観測マルコフ決定過程（POMDP）のうち、行動主体の状態についての確率分布が状態のエントロピーにて表現可能であるという仮定に基づくAugmented MDPにおける動的計画法を応用する。例文帳に追加

A dynamic planning method in an Augmented MDP is applied based on an assumption that the probability distribution on a state of the behavior subject can be expressed by entropy of a state among a partial observation Markov determining process (POMDP). - 特許庁

第二状態遷移確率及び第二報酬を用いて、マルコフ決定過程における動的計画法に基づき、行動価値関数Ｑ^π（ｓ，ａ）及び状態価値関数Ｖ^π（ｓ）を求める。例文帳に追加

The second state transition probability and the second reward are used to obtain action value function Q^π(s, a) and the state value function V^π(s) on the basis of the dynamic programming in the Markov decision process. - 特許庁