{“id”：“https://openalex.org/W2271318666“，”doi“：”https://doi.org/10.1007/s10015-015-0260-7“，”title“：“基于EM的政策超参数探索：应用于两轮智能手机机器人的站立和平衡”，”display_name“：”基于EM政策超参数探究：应用于双轮智能机机器人的站立与平衡“，”publication_year“：2016，”publitation_date“：”2016-01-25“，”ids“：{”openalex“：”https://openalex.org/W2271318666“，”doi“：”https://doi.org/10.1007/s10015-015-0260-7“，”mag“：”2271318666“}，”language“：”en“，”primary_location“：{”is_oa“：true，”landing_page_url“：”https://doi.org/10.1007/s10015-015-0260-7，“pdf_url”：https://link.springer.com/content/pdf/10.1007%2Fs10015-015-0260-7.pdf“，”来源“：{”id“：”https://openalex.org/S104439334“，”display_name“：”人造生命与机器人“，”issn_l“：”1433-5298“，”isn“：[”1433-52“，”1614-7456“]，”is_oa“：false，”is_ in_doaj“：false，”is_core“：true，”host_organization“：”https://openalex.org/P4310318900“，”“host_organization_name”：“Springer Science+Business Media”，“host_organization_lineage”：[“https://openalex.org/P431031965","https://openalex.org/P4310318900“]，”host_organization_lineage_names“：[”Springer Nature“，”Springr Science+Business Media“]，“type”：“journal”}，“license”：“cc-by”，“licence_id”：“https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}，”type“：”article“，”type_crossref“：“journal-article”，”indexed_in“：[”crossref“]，”open_access“：{”is_oa“：true，”oa_status“：”hybrid“，”oa_url“：”https://link.springer.com/content/pdf/10.1007%2Fs10015-015-0260-7.pdf“，”any_repository_has_fulltext“：false}，”作者“：[{”作者位置“：”第一个“，”作者”：{“id”：“https://openalex.org/A5002996776“，”display_name“：”Jiexin Wang“，”orcid“：”https://orcid.org/0000-0002-3286-3711}，“机构”：[{“id”：https://openalex.org/I22299242“，”display_name“：”京都大学“，”ror“：”https://ror.org/02kpeqv85“，”country_code“：”JP“，”type“：“教育”，”世系“：[”https://openalex.org/I22299242“]}]，”国家“：[”JP“]，”is_corresponding“：false，”raw_author_name“：”Jiexin Wang“，”raw _ afiliation_strings“：[“日本京都京都大学”]，”affiliations“：[{”raw_ afiliation _string“：”京都大学，日本京都“，”institution_ids“：[https://openalex.org/I22299242“]}]}，{”author_position“：”middle“，”author“：{”id“：”https://openalex.org/A5031054137“，”display_name“：”Eiji Uchibe“，”orcid“：”https://orcid.org/0000-0001-7908-0258}，“机构”：[{“id”：https://openalex.org/I142637625“，”display_name“：”冲绳理工大学研究生院“，”ror“：”https://ror.org/02qg15b79“，”country_code“：”JP“，”type“：“教育”，”世系“：[”https://openalex.org/I142637625“]}]，”国家“：[”JP“]，”is_corresponding“：false，”raw_author_name“：”Eiji Uchibe“，”raw _ afiliation_strings“：[“冲绳科学技术研究所，日本冲绳”]，”affiliations“：[{”raw _affiliation_strong“：”冲绳科学与技术研究所（日本冲绳），“institution_ids”：[“https://openalex.org/I142637625“]}]}，{”author_position“：”last“，”author“：{”id“：”https://openalex.org/A5004840638“，”display_name“：”Kenji Doya“，”orcid“：”https://orcid.org/0000-0002-2446-6820}，“机构”：[{“id”：https://openalex.org/I142637625“，”display_name“：”冲绳理工大学研究生院“，”ror“：”https://ror.org/02qg15b79“，”country_code“：”JP“，”type“：“教育”，”世系“：[”https://openalex.org/I142637625“]}]，”国家“：[”JP“]，”is_corresponding“：false，”raw_author_name“：”Kenji Doya“，”raw _ afiliation_strings“：[“冲绳科学技术研究所，日本冲绳”]，”affiliations“：[{”raw _affiliation_strong“：”冲绳科学与技术研究所（日本冲绳），“institution_ids”：[“https://openalex.org/I142637625“]}]}]，”institution_assertions“：[]，”countries_distiction_count“：1，”institutions_disticent_count”：2，”corresponding_author_ids“：[[]，”corresponding_institution_ids”：[]、“apc_list”：{“value”：2390，“currency”：“EUR”、“value_usd”：2990，“provenance”：“doaj”}，“apc_payed”：{“value“：2390”，“curency”：“欧元”，“value_usd”：2990，“出处”：“doaj”}，“fwci”：0.267，“has_fulltext“：true，”fulltext_origin“：”pdf“，”cited_by_count“：8，”citation_normalized_percentile“：{”value“：0.874156，”is_in_top_1_percent“：false，”is_in_top_10_percennt“：false}，”citted_by_count_year“：{“min”：85，“max”：86}，“biblio”：{“volume”：“21”，“issue”：“1”，“first_page”：“125”，“last_page”：”“131”}，“is_retracted”：false，“is_paratext”：false，“主主题“：{”id“：”https://openalex.org/T10462“，”display_name“：”强化学习算法“，”score“：0.9995，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”Artificial Intelligence“｝，”field“：｛”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，”主题“：[{”id“：”https://openalex.org/T10462“，”display_name“：”强化学习算法“，”score“：0.9995，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”Artificial Intelligence“｝，”field“：｛”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T10603“，”display_name“：”智能电网中的需求响应“，”score“：0.9872，”subfield“：{”id“：”https://openalex.org/subfields/2208“，”display_name“：”电气与电子工程“}，”字段“：{”id“：”https://openalex.org/fields/22“，”display_name“：”Engineering“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T1975“，”“display_name”：“遗传编程在机器学习中的应用”，“score”：0.9819，“subfield”：{“id”：“https://openalex.org/subfields/1702“，”display_name“：”Artificial Intelligence“｝，”field“：｛”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}]，”关键词“：[{”id“：”https://openalex.org/keywords/reinforcement-learning网站“，”display_name“：”强化学习“，”score“：0.541348}，{”id“：”https://openalex.org/keywords/policy-gradient网站“，”display_name“：”策略渐变“，”score“：0.5395}，{”id“：”https://openalex.org/keywords/classification-of-discontinuities网站“，”display_name“：”不连续性分类“，”score“：0.4224074}]，”concepts“：[{”id“：”https://openalex.org/C41008148，“wikidata”：https://www.wikidata.org/wiki/Q21198“，”display_name“：”计算机科学“，”level“：0，”score“：0.7577121}，{”id“：”https://openalex.org/C2780451532，“wikidata”：https://www.wikidata.org/wiki/Q759676“，”display_name“：”Task（project management）“，”level“：2，”score“：0.61850256}，{”id“：”https://openalex.org/C97541855，“wikidata”：https://www.wikidata.org/wiki/Q830687“，”display_name“：”强化学习“，”level“：2，”score“：0.56645375}，{”id“：”https://openalex.org/C90509273，“wikidata”：https://www.wikidata.org/wiki/Q10112“，”display_name“：”Robot“，”level“：2，”score“：0.5551008}，{”id“：”https://openalex.org/C1929221069网址，“wikidata”：https://www.wikidata.org/wiki/Q550134“，”display_name“：”倒立摆“，”level“：3，”score“：0.52163893}，{”id“：”https://openalex.org/C65655974，“wikidata”：https://www.wikidata.org/wiki/Q14867674“，”display_name“：”Swing“，”level“：2，”score“：0.51951396}，{”id“：”https://openalex.org/C1960 83921，“wikidata”：https://www.wikidata.org/wiki/Q7915758“，”display_name“：”差异（会计）“，”级别“：2，”分数“：0.5015321}，{”id“：”https://openalex.org/C154945302，“wikidata”：https://www.wikidata.org/wiki/Q11660“，”display_name“：”人工智能“，”level“：1，”score“：0.46301386}，{”id“：”https://openalex.org/C15627037，“wikidata”：https://www.wikidata.org/wiki/Q541961“，”display_name“：”不连续性分类“，”level“：2，”score“：0.4224074｝，｛”id“：”https://openalex.org/C83546350，“wikidata”：https://www.wikidata.org/wiki/Q1139051“，”display_name“：”回归“，”级别“：2，”分数“：0.41631895}，{”id“：”https://openalex.org/C119857082，“wikidata”：https://www.wikidata.org/wiki/Q2539“，”display_name“：”机器学习“，”level“：1，”score“：0.3537144}，{”id“：”https://openalex.org/C47446073，“wikidata”：https://www.wikidata.org/wiki/Q5165890“，”display_name“：”控制理论（社会学）“，”level“：3，”score“：0.33239758}，{”id“：”https://openalex.org/C33923547，“wikidata”：https://www.wikidata.org/wiki/Q395“，”display_name“：”数学“，”等级“：0，”分数“：0.19020554}，{”id“：”https://openalex.org/C105795698，“wikidata”：https://www.wikidata.org/wiki/Q12483“，”display_name“：”Statistics“，”level“：1，”score“：0.1471985}，{”id“：”https://openalex.org/C2775924081，“wikidata”：https://www.wikidata.org/wiki/Q55608371“，”display_name“：”Control（management）“，”level“：2，”score“：0.14066157}，{”id“：”https://openalex.org/C134306372，“wikidata”：https://www.wikidata.org/wiki/Q7754“，”display_name“：”数学分析“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C121332964，“wikidata”：https://www.wikidata.org/wiki/Q413“，”display_name“：”物理“，”级别“：0，”分数“：0.0}，{”id“：”https://openalex.org/C144133560，“wikidata”：https://www.wikidata.org/wiki/Q4830453“，”display_name“：”Business“，”level“：0，”score“：0.0}，{”id“：”https://openalex.org/C187736073，“wikidata”：https://www.wikidata.org/wiki/Q2920921“，”display_name“：”管理“，”级别“：1，”分数“：0.0}，{”id“：”https://openalex.org/C121955636，“wikidata”：https://www.wikidata.org/wiki/Q4116214“，”display_name“：”Accounting“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C158622935，“wikidata”：https://www.wikidata.org/wiki/Q660848“，”display_name“：”非线性系统“，”level“：2，”score“：0.0}，{”id“：”https://openalex.org/C62520636，“wikidata”：https://www.wikidata.org/wiki/Q944“，”display_name“：”量子力学“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C24890656，“wikidata”：https://www.wikidata.org/wiki/Q82811“，”display_name“：”Acoustics“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C162324750，“wikidata”：https://www.wikidata.org/wiki/Q8134“，”display_name“：”Economics“，”level“：0，”score“：0.0}]，”mesh“：[]，”locations_count“：1，”location“：[{”is_oa“：true，”landing_page_url“：”https://doi.org/10.1007/s10015-015-0260-7，“pdf_url”：https://link.springer.com/content/pdf/10.1007%2Fs10015-015-0260-7.pdf“，”来源“：{”id“：”https://openalex.org/S104439334“，”display_name“：”人造生命与机器人“，”issn_l“：”1433-5298“，”isn“：[”1433-52“，”1614-7456“]，”is_oa“：false，”is_ in_doaj“：false，”is_core“：true，”host_organization“：”https://openalex.org/P4310318900“，”“host_organization_name”：“Springer Science+Business Media”，“host_organization_lineage”：[“https://openalex.org/P431031965","https://openalex.org/P4310318900“]，”host_organization_lineage_names“：[”Springer Nature“，”Springr Science+Business Media“]，“type”：“journal”}，“license”：“cc-by”，“licence_id”：“https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}]，”best_oa_location“：{”is_oa“：true，”landing_page_url“：”https://doi.org/10.1007/s10015-015-0260-7，“pdf_url”：https://link.springer.com/content/pdf/10.1007%2Fs10015-015-0260-7.pdf“，”来源“：{”id“：”https://openalex.org/S104439334“，”display_name“：”人造生命与机器人“，”issn_l“：”1433-5298“，”isn“：[”1433-52“，”1614-7456“]，”is_oa“：false，”is_ in_doaj“：false，”is_core“：true，”host_organization“：”https://openalex.org/P4310318900“，”“host_organization_name”：“Springer Science+Business Media”，“host_organization_lineage”：[“https://openalex.org/P431031965","https://openalex.org/P4310318900“]，”host_organization_lineage_names“：[”Springer Nature“，”Springr Science+Business Media“]，“type”：“journal”}，“license”：“cc-by”，“licence_id”：“https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}，”sustainable_development_goals“：[]，”grants“：[]，”datasets“：]，”versions“：[https://openalex.org/W1925816294","https://openalex.org/W1971492381","https://openalex.org/W1989144314","https://openalex.org/W2012587148","https://openalex.org/W2109169869","https://openalex.org/W2112036188","https://openalex.org/W2113501460","https://openalex.org/W2119717200","https://openalex.org/W2127107099","https://openalex.org/W2137104525","https://openalex.org/W2146737184“]，”related_works“：[”https://openalex.org/W34871393","https://openalex.org/W3168108534","https://openalex.org/W2798244654","https://openalex.org/W2689391174","https://openalex.org/W2614575562","https://openalex.org/W2529137940","https://openalex.org/W2372645633","https://openalex.org/W2360051520网址","https://openalex.org/W1972096828","https://openalex.org/W1486689224“]，”abstract_inverted_index“：{”This“：[0]，”paper“：[1]，”proposes“：[2]，”a“：[3,35,47108127]，”novel“：[4]，”policy“：[5,37,43,53,65]，”search“：⑹，”algorithm“：%7]，”call“：[8]，”EM-based“：[9,28,61]，”policy“：[10,21]，”Hyper“：[11]，”Parameter“：[12,24]，”Exploration“：%13,25]，”（EPHE）“：[14]，”其中“：[15]，”集成“：[16]，”两个“：[17]，”加强“：[18]，”学习“：[19,81120122]，”算法：“：[20]，”梯度“：[22]，”with“：[23,41129]，”（PGPE）“：[26]，”and“：[27,57,77101105]，”Reward-Weighted“：[29,62]，”Regression。“：[30]，”Like“：[31]，”PGPE“：[32]，”EPHE“：[33116]，”evaluations“：[34]，”determinative“：[36]，”in“：[38,91]，”each“：[39]，”seption“：[40]，”the“：[42,52,64,80,92]，”parameters“：[44,55,67]，”sampled“：[45]，”from“：[46]，”previor“：[48]，”distribution“：[49]，”givent“：[50]，”by“：[51,92]70]，“超”：[54,66]，“（平均值”：[56]，“方差”）。“：[58]，”基于“：[59]，”on“：[60]，”回归“：[63]，”are“：[68，83]，”updated“：[69]，”reward-weighted“：[71]，”averaging“：[72]，”so“：%73]，”that“：[74115]，”gradient“：[75]，”calculation“：[76]，”tuning“：[78124]，”of“：[79,94103107]，”rate“：[82123]，”not“，”required“。“：[85]，“The”：[86]，“proposed”：[87]，“method”：[88]，“is”：[89]，“tested”：[90]，“benchmarks”：[93]，“sween”：[95]，“swing-up”：[96]，“task”，“：[97]，“cart-pole”：[98]，“balancing”：[99106]，“task”：[100128]，“simulation”：[102]，“stating”：[104]，“tweel”：[109]，“智能手机”：[110]，“robot”。“：[111]，”实验“：[112]，”结果“：[113]，”显示“：[114]，”可以“：[117]，”实现“：[118]，”高效“：[119]，”没有“：[121]，”偶数“：[125]，”表示“：[126]，”不连续。“：[130]}，”cited_by_api_url“：”https://api.openalex.org/works？filter=cites:W2271318666“，”counts_by_year“：[{“年”：2024，”cited_by_count“：2}，{“年份”：2023，”ciped_by_cunt“：1}，”{“年度”：2022，“cited_by_count”：2}.，{”年“：2021，”cited_by_count 1“，”创建日期“：”2016-06-24“}