| 講演抄録／キーワード |
| 講演名 |
2007-03-14 15:30
非マルコフ決定過程における方策勾配法の一考察 ～ カーリングの事例 ～
○五十嵐治一（芝浦工大）・石原聖司（近畿大）・木村昌臣（芝浦工大） |
| 抄録 |
（和） |
強化学習には価値ベースと方策ベースの２つのアプローチがある．VAPSアルゴリズムは両者の統一を目指したアルゴリズムである．我々はこれまでにVAPSアルゴリズムの学習則が非マルコフ決定過程の学習問題へ適用できることを示してきた．本論文では例題としてカーリングゲームにおける運動の逆問題へ適用することを考える．学習の定式化によっては，マルコフ決定過程としても非マルコフ決定過程としても定式化することができるが，後者の場合にも方策表現を工夫することにより方策勾配法が適用できることを示す |
| （英） |
There are two approaches to reinforcement learning: value-based methods and policy-gradient methods. Baird and Moore proposed the VAPS algorithm to unify these two approaches. In a previous paper, we gave a simple proof in which the VAPS algorithm's learning rule can be extensively applied even in non-Markov decision processes and clarified statistical properties on the correlation between characteristic eligibility functions. In this paper, we investigate an inverse problem in a curling game and show that the problem can be formalized to a learning problem in non-Markov decision processes. |
| キーワード |
（和） |
強化学習 / 非マルコフ決定過程 / 方策勾配法 / / / / / |
| （英） |
Reinforcement learning / Non-Markov decision process / Policy-gradient method / / / / / |
| 文献情報 |
信学技報, vol. 106, no. 588, NC2006-148, pp. 179-184, 2007年3月. |
| 資料番号 |
NC2006-148 |
| 発行日 |
2007-03-07 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
NC |
| 開催期間 |
2007-03-14 - 2007-03-16 |
| 開催地（和） |
玉川大学 |
| 開催地（英） |
Tamagawa University |
| テーマ（和） |
一般 |
| テーマ（英） |
General |
| 講演論文情報の詳細 |
| 申込み研究会 |
NC |
| 会議コード |
2007-03-NC |
| 本文の言語 |
日本語 |
| タイトル（和） |
非マルコフ決定過程における方策勾配法の一考察 |
| サブタイトル（和） |
カーリングの事例 |
| タイトル（英） |
A Study of Policy-Gradient Methods in Non-Markov Decision Porcesses |
| サブタイトル（英） |
Application to a Curling Game |
| キーワード(1)（和/英） |
強化学習 / Reinforcement learning |
| キーワード(2)（和/英） |
非マルコフ決定過程 / Non-Markov decision process |
| キーワード(3)（和/英） |
方策勾配法 / Policy-gradient method |
| キーワード(4)（和/英） |
/ |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
五十嵐 治一 / Harukazu Igarashi / イガラシ ハルカズ |
| 第1著者 所属（和/英） |
芝浦工業大学 (略称： 芝浦工大)
Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第2著者 氏名（和/英/ヨミ） |
石原 聖司 / Seiji Ishihara / イシハラ セイジ |
| 第2著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kinki University (略称： Kinki Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
木村 昌臣 / Masaomi Kimura / キムラ マサオミ |
| 第3著者 所属（和/英） |
芝浦工業大学 (略称： 芝浦工大)
Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2007-03-14 15:30:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
NC |
| 資料番号 |
NC2006-148 |
| 巻番号（vol） |
vol.106 |
| 号番号（no） |
no.588 |
| ページ範囲 |
pp.179-184 |
| ページ数 |
6 |
| 発行日 |
2007-03-07 (NC) |