| 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 | 2011-11-09 15:45 状態遷移の推定に基づく能動的価値関数推定法 ○幸島匡宏（東工大）  IBISML2011-51 |
|
| 抄録 | （和） | 強化学習において価値関数の精度の良い推定は重要である. 本研究では, 状態遷移確率の推定の後に, 価値関数の推定を行う手法における能動学習法を提案する.提案手法では, データ採取点は推定価値関数と真の価値関数の漸近平均二乗誤差を最小にする最適データ比率を基に決定される. 数値実験により, 導出した漸近平均二乗誤差値の検証と提案手法の有効性の確認を行う. |
| （英） | It is considered to be a great importance in reinforcement learning to estimate value function precisely. In this study, the author proposes active learning algorithm for model based value function estimation, which computes value function using estimated transition probability. Its data sampling scheme is based on optimal ratio of the number of data to minimize asymptotic squared error of value function. Experimental results show the effectiveness of proposed algorithm. |
|
| キーワード | （和） | 強化学習 / マルコフ決定過程 / 状態遷移確率推定 / モデルベースアルゴリズム / 能動学習 / 漸近理論 / / |
| （英） | reinforcement learning / markov decision processes / transition probability estimation / model based algorithm / active learning / asymptotic theory / / | |
| 文献情報 | 信学技報, vol. 111, no. 275, IBISML2011-51, pp. 61-66, 2011年11月. | |
| 資料番号 | IBISML2011-51 | |
| 発行日 | 2011-11-02 (IBISML) | |
| 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 | IBISML2011-51 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2011-11-09 - 2011-11-11 |
| 開催地（和） | 奈良女子大学 |
| 開催地（英） | Nara Womens Univ. |
| テーマ（和） | 第14回情報論的学習理論ワークショップ |
| テーマ（英） | The 14th IBIS workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2011-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 状態遷移の推定に基づく能動的価値関数推定法 |
| サブタイトル（和） | |
| タイトル（英） | Active Value Function Estimation Based On Transition Probability Estimation |
| 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） | マルコフ決定過程 / markov decision processes |
| キーワード(3)（和/英） | 状態遷移確率推定 / transition probability estimation |
| キーワード(4)（和/英） | モデルベースアルゴリズム / model based algorithm |
| キーワード(5)（和/英） | 能動学習 / active learning |
| キーワード(6)（和/英） | 漸近理論 / asymptotic theory |
| 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） | 幸島 匡宏 / Masahiro Kohjima / コウジマ マサヒロ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute Of Technology (略称： Tokyo Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-11-09 15:45:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2011-51 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.275 |
| ページ範囲 | pp.61-66 |
| ページ数 | 6 |
| 発行日 | 2011-11-02 (IBISML) |
[研究会発表申込システムのトップページに戻る]