講演抄録/キーワード |
講演名 |
2008-06-27 17:05
非定常環境における自己組織化強化学習 ○日栄 悠(奈良先端大)・森 健(京大)・石井 信(京大/奈良先端大) NC2008-30 |
抄録 |
(和) |
実世界の環境は一般に非定常であり,最適制御は時間によって変化する.このような制御を,定常なマルコフ決定過程を仮定する強化学習を用いて学習することは,困難である.近年,非定常環境を複数の定常環境に分割し,そのそれぞれを制御器と予測器の対から構成されるモジュールにより制御する強化学習法が銅谷らにより提案された.しかし,時間によって変化するタスク分割は潜在的に不安定であり,この不安定性を解消する新たなメカニズムが必要である.本研究では,予測器の学習に自己組織化構造を導入し,タスク分割の安定化を図る.また,制御器の学習に方策勾配法を導入し,累積報酬最大化基準の下での妥当な最適化を図る.計算機実験により,提案手法が従来手法よりも高速,かつ,安定した学習を実現できることを示す. |
(英) |
In real-world problems, the environment surrounding a controlled system is nonstationary, and the optimal control may change with time. It is difficult to learn such controls when using reinforcement learning (RL) which usually assumes stationary Markov decision processes. A modular-based RL method was formerly proposed by Doya et al., in which multiple-paired predictors and controllers were gated to produce nonstationary controls, and its effectiveness in nonstationary problems was shown. However, learning of time-dependent decomposition of the constituent pairs could be unstable, and the resulting control was somehow obscure due to the heuristical combination of predictors and controllers. To overcome these difficulties, we propose a new modular RL algorithm, in which predictors are learned in a self-organized manner to realize stable decomposition and controllers are appropriately optimized by a policy gradient-based RL method. Computer simulations show that our method achieves faster and more stable learning than the previous one. |
キーワード |
(和) |
非定常環境 / モジュール強化学習 / 方策勾配法 / 自己組織化 / / / / |
(英) |
Nonstationary environment / Modular reinforcement learning / Policy gradient method / Self-organization / / / / |
文献情報 |
信学技報, vol. 108, no. 101, NC2008-30, pp. 97-101, 2008年6月. |
資料番号 |
NC2008-30 |
発行日 |
2008-06-19 (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 |
NC2008-30 |
研究会情報 |
研究会 |
NC NLP |
開催期間 |
2008-06-26 - 2008-06-27 |
開催地(和) |
琉球大学 |
開催地(英) |
University of the Ryukyus |
テーマ(和) |
機械学習によるバイオデータマインニング・生命現象の非線形性,一般 |
テーマ(英) |
Machine Learning Approach to Biodata Mining and Nonlinearity in Biological Phenomena, and General |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2008-06-NC-NLP |
本文の言語 |
日本語 |
タイトル(和) |
非定常環境における自己組織化強化学習 |
サブタイトル(和) |
|
タイトル(英) |
Self-organized Reinforcement Learning in Nonstationary Environment |
サブタイトル(英) |
|
キーワード(1)(和/英) |
非定常環境 / Nonstationary environment |
キーワード(2)(和/英) |
モジュール強化学習 / Modular reinforcement learning |
キーワード(3)(和/英) |
方策勾配法 / Policy gradient method |
キーワード(4)(和/英) |
自己組織化 / Self-organization |
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) |
日栄 悠 / Yu Hiei / ヒエイ ユウ |
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) |
京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.) |
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/奈良先端大)
Kyoto University (略称: Kyoto Univ.) |
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: ) |
講演者 |
第1著者 |
発表日時 |
2008-06-27 17:05:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2008-30 |
巻番号(vol) |
vol.108 |
号番号(no) |
no.101 |
ページ範囲 |
pp.97-101 |
ページ数 |
5 |
発行日 |
2008-06-19 (NC) |