| 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 | 2008-03-13 15:20 選択的不感化ニューラルネットを用いた強化学習の効率化 ○森田昌彦・新保智之・蓮尾高志・山根 健（筑波大）  NC2007-172 |
|
| 抄録 | （和） | 強化学習は，状態空間が広いと学習に非常に時間がかかるという深刻な問題を抱えているが，その最大の原因は価値関数を効率的に近似する方法がないことにある．本報告では，選択的不感化ニューラルネットを用いて関数近似器を構成することによってこの問題の解決を図る．本手法を 4次元の連続状態空間をもつ台車型倒立振子の安定化制御に適用したところ，学習効率が大幅に向上すると共に制御の安定性も向上することがわかった．このことは，構成した関数近似器が高い汎化能力をもつと共に分解能の点でも優れていることを示している． |
| （英） | Existing reinforcement learning (RL) systems have a serious problem that they require an extremely long time for learning particularly when the state space is continuous and high dimensional.To overcome this problem, we propose a method of using a selective desensitization neural network (SDNN) for approximating the value function. We applied this method to stabilizing control of a cart-type inverted pendulum and found that the efficiency of learning and the stability of control were greatly improved. This result indicates that the SDNN function approximator has high generalization ability as well as good resolution of approximation. | |
| キーワード | （和） | 非線形関数近似 / 選択的不感化 / Q学習 / 台車型倒立振子 / / / / |
| （英） | nonlinear function approximation / selective desensitization / Q-learning / cart-type inverted pendulum / / / / | |
| 文献情報 | 信学技報, vol. 107, no. 542, NC2007-172, pp. 355-359, 2008年3月. | |
| 資料番号 | NC2007-172 | |
| 発行日 | 2008-03-05 (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 | NC2007-172 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2008-03-12 - 2008-03-14 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa Univ |
| 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 | 2008-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 選択的不感化ニューラルネットを用いた強化学習の効率化 |
| サブタイトル（和） | |
| タイトル（英） | Efficiency improvement of reinforce learning using a selective desensitization neural network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非線形関数近似 / nonlinear function approximation |
| キーワード(2)（和/英） | 選択的不感化 / selective desensitization |
| キーワード(3)（和/英） | Q学習 / Q-learning |
| キーワード(4)（和/英） | 台車型倒立振子 / cart-type inverted pendulum |
| 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） | 森田 昌彦 / Masahiko Morita / モリタ マサヒコ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第2著者 氏名（和/英/ヨミ） | 新保 智之 / Tomoyuki Shimbo / シンボ トモユキ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第3著者 氏名（和/英/ヨミ） | 蓮尾 高志 / Takashi Hasuo / ハスオ タカシ |
| 第3著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第4著者 氏名（和/英/ヨミ） | 山根 健 / Ken Yamane / ヤマネ ケン |
| 第4著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-03-13 15:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NC |
| 資料番号 | NC2007-172 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | no.542 |
| ページ範囲 | pp.355-359 |
| ページ数 | 5 |
| 発行日 | 2008-03-05 (NC) |
[研究会発表申込システムのトップページに戻る]