講演抄録/キーワード |
講演名 |
2009-12-21 14:25
強化学習を用いた高次元非線形時系列予測 ○高岩 麦・佐藤仁樹(公立はこだて未来大) NLP2009-133 |
抄録 |
(和) |
複数の非線形時系列から有効な情報を抽出し,強化学習を利用することにより非線形時系列の予測精度を改善した.まず,報酬を考慮した主成分分析に基づく状態空間圧縮法により,複数の時系列データを圧縮した.また,予測関数を近似するために必要となる基底を,基底の活性度を利用した適応的インデックス配分法により適応的に構築した.これらの手法により,複数の時系列から有効な情報を抽出した.さらに,時系列の非線形な関係を表現するために強化学習を利用した.その結果,非線形時系列データに対する予測誤差を改善できた. |
(英) |
We extracted principal elements from several nonlinear time series and reduced the prediction error of the time series using reinforcement learning.First, we compressed the time series using state space compression based on reward-weighted principal component analysis.Next, we constructed an orthonormal basis for approximating a prediction function using adaptive basis construction based on activity-oriented index allocation.With these methods, principal elements could be extracted from the time series.Finally, we used reinforcement learning, which can express nonlinear relations between the time series, demonstrating that the prediction error of the time series can be reduced. |
キーワード |
(和) |
強化学習 / 多変量解析 / 関数近似 / 非線形 / 予測 / / / |
(英) |
reinforcement learning / multivariate analysis / function approximation / nonlinear / prediction / / / |
文献情報 |
信学技報, vol. 109, no. 354, NLP2009-133, pp. 37-42, 2009年12月. |
資料番号 |
NLP2009-133 |
発行日 |
2009-12-14 (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 |
NLP2009-133 |