| 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 | 2008-03-14 13:20 ガウス過程を用いた能動サンプリングに基づく強化学習法 ○竹田和博・森 健（奈良先端大）・石井 信（京大）  NC2007-192 |
|
| 抄録 | （和） | 強化学習では一般に、良い方策を獲得するために多くのサンプルを生成する必 要がある。このことは、実 ロボットなどの制御を学習する場合、故障や手間などの問題を引き起 こす。 強化学習で多くのサンプルが必要になる原因の一つとして、学習エージェント が従う方策から受動的にサンプルを生成しなければならないという制約がある。 この制約を回避して、学習に有利なサンプルを能動的にサンプリングする強化学習法が望まれ るが、現在のところシステマティックな手法は提案されていない。本報告では、 方策の収束を保証するための条件を与えた下で、ガウ ス過程に基づいて能動サンプリングを行う新しい強化学習法を提案する。また、 少ないサンプル数で良い方策が獲得できることを計算機実験により示す。 |
| （英） | In reinforcement learning (RL), many samples are necessary in every policy improvement, which requires the robot actually to act many times and hence may make the robot be broken down. One cause of the necessity of many samples in the RL is that the agent must passively produce samples according to it's current policy. Therefore, efficient sampling methods such as active sampling are desired. In this report, we propose a novel RL method with active sampling based on Gaussian process, which reduces the number of samples necessary for policy convergence. Computer experiments show that the policy gradient could be estimated efficiently with fewer sampling times. |
|
| キーワード | （和） | 強化学習 / 能動サンプリング / ガウス過程 / 方策勾配法 / ベイズ推定 / / / |
| （英） | Reinforcement learning / Active sampling / Gaussian process / Policy gradient / Bayesian inference / / / | |
| 文献情報 | 信学技報, vol. 107, no. 542, NC2007-192, pp. 473-478, 2008年3月. | |
| 資料番号 | NC2007-192 | |
| 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 | NC2007-192 |
|
| 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） | ガウス過程を用いた能動サンプリングに基づく強化学習法 |
| サブタイトル（和） | |
| タイトル（英） | Active sampling based on Gaussian Process for reinforcement learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 強化学習 / Reinforcement learning |
| キーワード(2)（和/英） | 能動サンプリング / Active sampling |
| キーワード(3)（和/英） | ガウス過程 / Gaussian process |
| キーワード(4)（和/英） | 方策勾配法 / Policy gradient |
| キーワード(5)（和/英） | ベイズ推定 / Bayesian inference |
| 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） | 竹田 和博 / Kazuhiro Takeda / タケダ カズヒロ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： ＮＡＩＳＴ) |
| 第2著者 氏名（和/英/ヨミ） | 森 健 / Takeshi Mori / モリ タケシ |
| 第2著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： ＮＡＩＳＴ) |
| 第3著者 氏名（和/英/ヨミ） | 石井 信 / Shin Ishii / イシイ シン |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-03-14 13:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NC |
| 資料番号 | NC2007-192 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | no.542 |
| ページ範囲 | pp.473-478 |
| ページ数 | 6 |
| 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]