| 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 | 2009-12-21 14:50 強化学習による所望時空パターンの合成法について ○蜂屋慶明・中野秀洋・宮内 新（東京都市大）  NLP2009-134 |
|
| 抄録 | （和） | 今日において，セルラ・オートマトン（ＣＡ）は画像処理，音データ圧縮，現象のシミュレーション等，多岐にわたる用途で用いられている．しかしＣＡのルールを現象にあわせて設計する事は設計者にとって大きな負担となる．そこで本研究では設計が容易な強化学習によって所望のＣＡのルール系列を設計する手法を提案する．まず本手法を用いることで，ある初期状態から別の終了状態まで遷移するルール系列を学習によって合成でき，目標の終了状態に到達出来る事を示す．次に初期状態と終了状態のハミング距離に注目し，本手法の解探索性能との関係を詳しく分析する．さらに，自己修復を行うルール系列，自己増殖を行うルール系列を合成する問題にも適用し，本手法の有効性を確認する． |
| （英） | Cellular automata (CA) is used for a image processing and a physical simulation. However, it is very difficlt for designer to synthesize CA according to target systems. Therefore, this research aims to synthesize the desired rule sequence in CA by using a simple Reinforcement Learning. This paper shows typical synthesis results for transition from speci c pattern to another speci c pattern , transition from random pattern to another random pattern, Self-Repairing and Self-Propagating, and con rms effectiveness of our proposed method. |
|
| キーワード | （和） | 非線形問題 / セルオートマトン / 強化学習 / Q学習 / / / / |
| （英） | nonlinear problem / Cellular automata / Reinforcement Learning / Q-Lerning / / / / | |
| 文献情報 | 信学技報, vol. 109, no. 354, NLP2009-134, pp. 43-47, 2009年12月. | |
| 資料番号 | NLP2009-134 | |
| 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 | NLP2009-134 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2009-12-21 - 2009-12-21 |
| 開催地（和） | つなぎ温泉 清温荘 |
| 開催地（英） | |
| 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 | NLP |
| 会議コード | 2009-12-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習による所望時空パターンの合成法について |
| サブタイトル（和） | |
| タイトル（英） | Synthesis of Desired Space-time Patterns based-on Reinforce Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非線形問題 / nonlinear problem |
| キーワード(2)（和/英） | セルオートマトン / Cellular automata |
| キーワード(3)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(4)（和/英） | Q学習 / Q-Lerning |
| 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） | 蜂屋 慶明 / Yoshiaki Hachiya / ハチヤ ヨシアキ |
| 第1著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中野 秀洋 / Hidehiro Nakano / ナカノ ヒデヒロ |
| 第2著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 宮内 新 / Arata Miyauchi / ミヤウチ アラタ |
| 第3著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2009-12-21 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2009-134 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.354 |
| ページ範囲 | pp.43-47 |
| ページ数 | 5 |
| 発行日 | 2009-12-14 (NLP) |
[研究会発表申込システムのトップページに戻る]