| 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 | 2008-11-06 14:15 高次元行動空間における強化学習 ～ 主成分分析による行動空間圧縮 ～ ○佐藤仁樹（公立はこだて未来大）  NLP2008-64 |
|
| 抄録 | （和） | 予備制御器から得られた行動の主成分分析に基づき，高次元行動空間を圧縮する方法を提案する．まず，適当な予備制御器を用いて環境の行動空間における行動を決定する．次に，この行動に対して主成分分析を行う．環境の行動空間は，主成分分析により得られた主軸行列を用いて圧縮される．そこで，強化学習を用いた主制御器により，圧縮された行動空間における行動を決定し，主軸行列を用いて環境の行動空間に写像する．これにより，環境の行動空間より低次元な行動空間で強化学習を実行できる．本手法をダイナミックルーチング問題に適用し，本手法の有効性を示す． |
| （英） | Adaptive basis construction, state space compression, and action space compression are used to extend reinforcement learning for controlling an environment with high-dimensional state and action spaces. First, an appropriate pre-controller determines actions in the original action space, and the statistics of the actions are measured. Next, the principal axis matrix of the actions is computed using principal component analysis. The original action space can be compressed using the principal axis matrix. The original state space is also compressed using state space compression based on reward-weighted principal component analysis, and an orthonormal basis is adaptively constructed using adaptive basis construction based on the activity-oriented index allocation. Finally, a main controller based on reinforcement learning determines an action in the compressed action space, and an action in the original action space is computed from the action in the compressed action space using the principal axis matrix. Computer simulation of routing problems showed that the reinforcement learning worked well and that the routing algorithm using it was robust. | |
| キーワード | （和） | 圧縮 / 関数近似 / 多変量解析 / 強化学習 / ロバストルーチング / / / |
| （英） | compression / function approximation / multivariate analysis / reinforcement learning / robust routing / / / | |
| 文献情報 | 信学技報, vol. 108, no. 276, NLP2008-64, pp. 37-42, 2008年11月. | |
| 資料番号 | NLP2008-64 | |
| 発行日 | 2008-10-30 (NLP) | |
| 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 | NLP2008-64 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2008-11-06 - 2008-11-06 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | |
| テーマ（和） | 非線形制御、一般、計測自動制御学会「多様な非線形ダイナミクスを生かした次世代制 御調査研究会」との共催 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2008-11-NLP |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 高次元行動空間における強化学習 |
| サブタイトル（和） | 主成分分析による行動空間圧縮 |
| タイトル（英） | Reinforcement Learning for High-dimensional Action Space |
| サブタイトル（英） | Action Space Compression Based on Principal Component Analysis |
| キーワード(1)（和/英） | 圧縮 / compression |
| キーワード(2)（和/英） | 関数近似 / function approximation |
| キーワード(3)（和/英） | 多変量解析 / multivariate analysis |
| キーワード(4)（和/英） | 強化学習 / reinforcement learning |
| キーワード(5)（和/英） | ロバストルーチング / robust routing |
| 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） | 佐藤 仁樹 / Hideki Satoh / サトウ ヒデキ |
| 第1著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future University-Hakodate (略称： Future Univ.-Hakodate) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-11-06 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2008-64 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.276 |
| ページ範囲 | pp.37-42 |
| ページ数 | 6 |
| 発行日 | 2008-10-30 (NLP) |
[研究会発表申込システムのトップページに戻る]