| 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 | 2011-03-07 17:15 強化学習における空間表現法 ○浅野 翼・山田 訓（岡山理科大）  NC2010-156 |
|
| 抄録 | （和） | 自律的な学習法である強化学習において，各制御課題に適した空間表現法を用いることは重要である．Incremental Normalized Gaussian Network(INGnet)は，学習中に必要な位置にユニットを設置するので，課題に適応した空間表現法を獲得できる能力がある．さらに複雑で高次元な入力を持つ課題に対応するためINGnetを用いたモジュール型強化学習法を提案した．INGnetの有効性を検討するために，3つの制御課題にINGnetまたはINGnetを用いたモジュール型強化学習を適用した．その結果，センサ値の細かい違いを認識する必要のある課題をINGnetが効率よく学習でき，2種類のセンサ情報の"AND"条件を認識する必要がある制御課題をINGnetを用いたモジュール型強化学習で効率よく学習できることが分かった． |
| （英） | It is important to use appropriate spatial representations in the reinforcement learning. Since Incremental Normalized Gaussian Network (INGnet) set a new unit at an appropriate position in the learning, it has the capability to make optimal representations. To apply INGnet to the control problems with more inputs, the modular reinforcement learning using INGnet (modular-RL(INGnet)) was proposed. RL(INGnet) learned the control where small changes in inputs should be distinguished. And modular-RL(INGnet) learned the control where the "AND" condition of two types of sensor information should be discriminated. | |
| キーワード | （和） | 強化学習 / モジュール型強化学習 / INGnet / / / / / |
| （英） | Reinforcement Learning / Modular reinforcement learning / INGnet / / / / / | |
| 文献情報 | 信学技報, vol. 110, no. 461, NC2010-156, pp. 171-176, 2011年3月. | |
| 資料番号 | NC2010-156 | |
| 発行日 | 2011-02-28 (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 | NC2010-156 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2011-03-07 - 2011-03-09 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| 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 | 2011-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習における空間表現法 |
| サブタイトル（和） | |
| タイトル（英） | Spatial representation in reinforcement learning |
| 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） | モジュール型強化学習 / Modular reinforcement learning |
| キーワード(3)（和/英） | INGnet / INGnet |
| 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） | 浅野 翼 / Tsubasa Asano / アサノ ツバサ |
| 第1著者 所属（和/英） | 岡山理科大学 (略称： 岡山理科大) Okayama University of Science (略称： Okayama Univ. Sci.) |
| 第2著者 氏名（和/英/ヨミ） | 山田 訓 / Satoshi Yamada / ヤマダ サトシ |
| 第2著者 所属（和/英） | 岡山理科大学 (略称： 岡山理科大) Okayama University of Science (略称： Okayama Univ. Sci.) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-03-07 17:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2010-156 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.171-176 |
| ページ数 | 6 |
| 発行日 | 2011-02-28 (NC) |
[研究会発表申込システムのトップページに戻る]