| 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 | 2009-03-12 14:50 Adaptive Importance Sampling with Automatic Model Selection in Reward Weighted Regression ○Hirotaka Hachiya（Tokyo Inst. of Tech.）・Jan Peters（Max Planck Inst. of Tech.）・Masashi Sugiyama（Tokyo Inst. of Tech.）  NC2008-145 |
|
| 抄録 | （和） | Direct policy search is a useful framework of reinforcement learning in particular in continuous systems such as robot control. Policy search often requires a large number of samples for obtaining a stable estimator due to its high flexibility, but this is prohibitive when the sampling cost is expensive. In this paper, we extend the state-of-the-art policy search method called reward weighted regression so that previously collected samples can be efficiently reused. The usefulness of the proposed method, called Reward-weighted Regression with sample Reuse (R3), is demonstrated through a toy example. |
| （英） | Direct policy search is a useful framework of reinforcement learning in particular in continuous systems such as robot control. Policy search often requires a large number of samples for obtaining a stable estimator due to its high flexibility, but this is prohibitive when the sampling cost is expensive. In this paper, we extend the state-of-the-art policy search method called reward weighted regression so that previously collected samples can be efficiently reused. The usefulness of the proposed method, called Reward-weighted Regression with sample Reuse (R3), is demonstrated through a toy example. | |
| キーワード | （和） | 強化学習 / 政策探索法 / EMアルゴリズム / 適応的重点サンプリング / 重要度重み付き交差確認法 / データ再利用 / 機械学習 / ロボット制御 |
| （英） | Reinforcement learning / Policy search / Expectation-Maximization algorithm / Adaptive importance sampling / Importance weighted cross validation / sample reuse / Covariate shift / robot control | |
| 文献情報 | 信学技報, vol. 108, no. 480, NC2008-145, pp. 249-254, 2009年3月. | |
| 資料番号 | NC2008-145 | |
| 発行日 | 2009-03-04 (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 | NC2008-145 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2009-03-11 - 2009-03-13 |
| 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 | 2009-03-NC-MBE |
| 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 Reward Weighted Regression |
| 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） | 政策探索法 / Policy search |
| キーワード(3)（和/英） | EMアルゴリズム / Expectation-Maximization algorithm |
| キーワード(4)（和/英） | 適応的重点サンプリング / Adaptive importance sampling |
| キーワード(5)（和/英） | 重要度重み付き交差確認法 / Importance weighted cross validation |
| キーワード(6)（和/英） | データ再利用 / sample reuse |
| キーワード(7)（和/英） | 機械学習 / Covariate shift |
| キーワード(8)（和/英） | ロボット制御 / robot control |
| 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） | Jan Peters / Jan Peters / |
| 第2著者 所属（和/英） | マックスプランク研究所 (略称： マックス・プランク研) Max Planck Institute (略称： Max Planck 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 | 2009-03-12 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2008-145 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.480 |
| ページ範囲 | pp.249-254 |
| ページ数 | 6 |
| 発行日 | 2009-03-04 (NC) |
[研究会発表申込システムのトップページに戻る]