| 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 | 2012-01-27 13:55 強化学習エージェントの方策情報ベクトル表現を用いた学習効率化に関する研究 ○安藤大輝・北越大輔・鈴木雅人（東京高専）  NC2011-116 |
|
| 抄録 | （和） | 本研究では，動的環境における強化学習の効率化を目的とした手法を提案する．先行研究の多くは，手法の実装や計算にかかるコストが大きかったり，環境変化への適応に多大な試行数が必要になるといった問題点があった．提案手法では，方策学習の過程で得られる情報を多次元ベクトル表記した上で，単純な演算処理によって環境変化の有無を試行毎に判断することで既得方策の補正を実現する．また，計算機実験により提案手法の特性を評価する． |
| （英） | This article proposes a novel method which improves efficiency of reinforcement learning in dynamic environments. The proposed method employs a vector representation of reinforcement learning agent's policy, and stimulates the agent to acquire an appropriate behavior. The agent can recognize whether environment has changed or not by means of exponential moving average vector of difference between two vectors (current and previous policy vectors.) Several numerical simulations on agent navigation problem are carried out to evaluate the validity of the proposed method. |
|
| キーワード | （和） | 強化学習 / 動的環境 / / / / / / |
| （英） | Reinforcement learning / Dynamic environment / / / / / / | |
| 文献情報 | 信学技報, vol. 111, no. 419, NC2011-116, pp. 113-118, 2012年1月. | |
| 資料番号 | NC2011-116 | |
| 発行日 | 2012-01-19 (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 | NC2011-116 |
|
| 研究会情報 | |
| 研究会 | NC |
| 開催期間 | 2012-01-26 - 2012-01-27 |
| 開催地（和） | 公立はこだて未来大学 |
| 開催地（英） | Future University Hakodate |
| テーマ（和） | 一般、複雑系とニューロコンピューティング |
| テーマ（英） | General, Complex Systems and Neurocomputing |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2012-01-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習エージェントの方策情報ベクトル表現を用いた学習効率化に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | A Method to Improve Efficiency of Reinforcement Learning by Using a Vector Representation of a Policy |
| 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） | 動的環境 / Dynamic environment |
| キーワード(3)（和/英） | / |
| 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） | 安藤 大輝 / Daiki Ando / アンドウ ダイキ |
| 第1著者 所属（和/英） | 東京工業高等専門学校 (略称： 東京高専) Tokyo National College of Technology (略称： TNCT) |
| 第2著者 氏名（和/英/ヨミ） | 北越 大輔 / Daisuke Kitakoshi / キタコシ ダイスケ |
| 第2著者 所属（和/英） | 東京工業高等専門学校 (略称： 東京高専) Tokyo National College of Technology (略称： TNCT) |
| 第3著者 氏名（和/英/ヨミ） | 鈴木 雅人 / Masato Suzuki / スズキ マサト |
| 第3著者 所属（和/英） | 東京工業高等専門学校 (略称： 東京高専) Tokyo National College of Technology (略称： TNCT) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-01-27 13:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2011-116 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.419 |
| ページ範囲 | pp.113-118 |
| ページ数 | 6 |
| 発行日 | 2012-01-19 (NC) |
[研究会発表申込システムのトップページに戻る]