| 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 | 2009-07-13 10:30 Composition of Feature Space and State Space Dynamics Models for Model-based Reinforcement Learning ○Akihiko Yamaguchi・Jun Takamatsu・Tsukasa Ogasawara（NAIST）  NLP2009-15 NC2009-8 |
|
| 抄録 | （和） | Learning a dynamics model and a reward model during reinforcement learning is a useful way, since the agent can also update its value function by using the models. In this paper, we propose a general dynamics model that is a composition of the feature space dynamics model and the state space dynamics model. This way enables to obtain a good generalization from a small number of samples because of the linearity of the state space dynamics, while it does not lose the accuracy. We demonstrate the simulation comparison of some dynamics models used together with a Dyna algorithm. |
| （英） | Learning a dynamics model and a reward model during reinforcement learning is a useful way, since the agent can also update its value function by using the models. In this paper, we propose a general dynamics model that is a composition of the feature space dynamics model and the state space dynamics model. This way enables to obtain a good generalization from a small number of samples because of the linearity of the state space dynamics, while it does not lose the accuracy. We demonstrate the simulation comparison of some dynamics models used together with a Dyna algorithm. | |
| キーワード | （和） | / / / / / / / |
| （英） | reinforcement learning / model-based reinforcement learning / Dyna-style planning / prioritized sweeping / dynamics model / / / | |
| 文献情報 | 信学技報, vol. 109, no. 125, NC2009-8, pp. 7-12, 2009年7月. | |
| 資料番号 | NC2009-8 | |
| 発行日 | 2009-07-06 (NLP, 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 | NLP2009-15 NC2009-8 |
|
| 研究会情報 | |
| 研究会 | NC NLP |
| 開催期間 | 2009-07-13 - 2009-07-14 |
| 開催地（和） | 奈良先端大 |
| 開催地（英） | NAIST |
| テーマ（和） | 脳活動の計測と解析，生命現象の非線形性，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 | 2009-07-NC-NLP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Composition of Feature Space and State Space Dynamics Models for Model-based Reinforcement Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / reinforcement learning |
| キーワード(2)（和/英） | / model-based reinforcement learning |
| キーワード(3)（和/英） | / Dyna-style planning |
| キーワード(4)（和/英） | / prioritized sweeping |
| キーワード(5)（和/英） | / dynamics model |
| 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） | 山口 明彦 / Akihiko Yamaguchi / ヤマグチ アキヒコ |
| 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） | 高松 淳 / Jun Takamatsu / タカマツ ジュン |
| 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） | 小笠原 司 / Tsukasa Ogasawara / オガサワラ ツカサ |
| 第3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) |
| 講演者 | 第1著者 |
| 発表日時 | 2009-07-13 10:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | NC |
| 資料番号 | NLP2009-15, NC2009-8 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.124(NLP), no.125(NC) |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2009-07-06 (NLP, NC) |
[研究会発表申込システムのトップページに戻る]