| 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 | 2010-03-09 14:10 ソフトマックス行動選択のパラメータ調整の手間を省くための新たな関数の導入 ○小野兼嗣・岩田一貴・林 朗・末松伸朗（広島市大）  NC2009-106 |
|
| 抄録 | （和） | マルコフ決定過程は強化学習において最も代表的な枠組みの実装の一つである．マルコフ決定過程の確率密度関数のエントロピーは確率的複雑さと呼ばれる．強化学習の行動選択戦略には探査と知識利用のジレンマと呼ばれる問題が存在し，行動選択戦略のパラメータ調整は一般に難しい．しかし，確率的複雑さはこの調整に関する有益な情報を含むことが近年示された．そこで，本論文では，行動選択戦略として代表的なソフトマックス行動選択を取り上げ，確率的複雑さを用いてソフトマックス行動選択のパラメータ調整の手間を省くための効率的な方法を提案する． |
| （英） | Markov decision processes are one of the most popular frameworks for reinforcement learning. The entropy of probability density functions of Markv decision processes is referred to as the stochastic complexity. The stochastic complexity is helpful for tuning the parameters of action-selection strategies to alleviate the exploration-exploitation dilemma which is well-known in reinforcement learning. In this paper, we improve the softmax action-selection which is a frequently used strategy, to save the trouble of its paramete-tuning by utilizing the stochastic complexity. | |
| キーワード | （和） | 強化学習 / ソフトマックス行動選択 / マルコフ決定過程 / / / / / |
| （英） | Reinforcement Learning / Softmax Method / Markov Decision Process / / / / / | |
| 文献情報 | 信学技報, vol. 109, no. 461, NC2009-106, pp. 107-112, 2010年3月. | |
| 資料番号 | NC2009-106 | |
| 発行日 | 2010-03-02 (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 | NC2009-106 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2010-03-09 - 2010-03-11 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2010-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | ソフトマックス行動選択のパラメータ調整の手間を省くための新たな関数の導入 |
| サブタイトル（和） | |
| タイトル（英） | Introducing a New Function to Save the Trouble of Parameter Tuning of Softmax Action-Selection |
| 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） | ソフトマックス行動選択 / Softmax Method |
| キーワード(3)（和/英） | マルコフ決定過程 / Markov Decision Process |
| キーワード(4)（和/英） | / |
| 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） | 小野 兼嗣 / Kenji Ono / オノ ケンジ |
| 第1著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 岩田 一貴 / Kazunori Iwata / イワタ カズノリ |
| 第2著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 林 朗 / Akira Hayashi / ハヤシ アキラ |
| 第3著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 末松 伸朗 / Nobuo Suematsu / スエマツ ノブオ |
| 第4著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-03-09 14:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2009-106 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.107-112 |
| ページ数 | 6 |
| 発行日 | 2010-03-02 (NC) |
[研究会発表申込システムのトップページに戻る]