| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2007-12-22 15:45 Adaptive Importance Sampling with Automatic Model Selection in Value Function Approximation ○Hirotaka Hachiya・Takayuki Akiyama・Masashi Sugiyama（Tokyo Inst. of Tech.）  NC2007-84 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Off-policy reinforcement learning is aimed at efficiently reusing data samples gathered in the past. A common approach is to use importance sampling techniques for compensating for the bias caused by the difference between data-collecting policies and the target policy. However, existing off-policy methods do not often take the variance of value function estimators explicitly into account and therefore their performance tends to be unstable. To cope with this problem, we propose using an adaptive importance sampling technique which allows us to actively control the trade-off between bias and variance. We further provide a method for optimally determining the trade-off parameter based on a statistical machine learning theory. | |
| キーワード | （和） | / / / / / / / |
| （英） | Off-policy / Reinforcement learning / Value function approximation / Importance sampling / Importance weighted cross validation / / / | |
| 文献情報 | 信学技報, vol. 107, no. 410, NC2007-84, pp. 75-80, 2007年12月. | |
| 資料番号 | NC2007-84 | |
| 発行日 | 2007-12-15 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2007-84 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2007-12-22 - 2007-12-22 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2007-12-MBE-NC |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Adaptive Importance Sampling with Automatic Model Selection in Value Function Approximation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Off-policy |
| キーワード(2)（和/英） | / Reinforcement learning |
| キーワード(3)（和/英） | / Value function approximation |
| キーワード(4)（和/英） | / Importance sampling |
| キーワード(5)（和/英） | / Importance weighted cross validation |
| 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） | 八谷 大岳 / Hirotaka Hachiya / ハチヤ ヒロタカ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 秋山 貴幸 / Takayuki Akiyama / アキヤマ タカユキ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 杉山 将 / Masashi Sugiyama / スギヤマ マサシ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2007-12-22 15:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2007-84 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | no.410 |
| ページ範囲 | pp.75-80 |
| ページ数 | 6 |
| 発行日 | 2007-12-15 (NC) |
[研究会発表申込システムのトップページに戻る]