| 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 | 2012-03-12 15:05 間接的価値関数推定におけるモデル選択 ○幸島匡宏（東工大）  IBISML2011-93 |
|
| 抄録 | （和） | 強化学習は期待収益を最大化する方策を学習により発見する方法として提案され, ロボティクス, レコメンドシステム, 自然言語処理アルゴリズムの最適化に応用されている. 強化学習の実現においては方策がもたらす将来の期待収益を表す価値関数の推定が必要である. 本研究では, 状態遷移確率の推定を介して価値関数を間接的に推定する方法について考察する. 推定に用いるデータ数が十分多いという仮定の上で, 状態遷移確率パラメタに構造が入る際の, 真の価値関数と推定価値関数の平均二乗誤差の漸近挙動を理論的に解明する. この解析をもとにモデル選択規準を提案し, 数値実験を通してその有効性を明らかにする. |
| （英） | Reinforcement learning is a method to obtain a policy which maximizes expected return and is applied to wide range of research fields such as robotics, recommendation system, and natural language processing. Estimation of value function is of importance to realize reinforcement learning. In this study, the author investigates a method to compute value function indirectly through an estimation of transition probability. The asymptotic behavior of mean squared error of true and estimated value function is theoretically clarified in the case where transition probability parameter has a structure. The author also proposes a model selection criterion based on this analysis and verifies its effectiveness by numerical experiment. | |
| キーワード | （和） | 強化学習 / マルコフ決定過程 / 遷移確率推定 / モデル選択 / / / / |
| （英） | reinforcement learning / markov decision processes / transition probability estimation / model selection / / / / | |
| 文献情報 | 信学技報, vol. 111, no. 480, IBISML2011-93, pp. 43-48, 2012年3月. | |
| 資料番号 | IBISML2011-93 | |
| 発行日 | 2012-03-05 (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 | IBISML2011-93 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2012-03-12 - 2012-03-13 |
| 開催地（和） | 統計数理研究所 |
| 開催地（英） | The Institute of Statistical Mathematics |
| テーマ（和） | 統計数理、データベース、一般 |
| テーマ（英） | Mathematical Statistics, Databases, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2012-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 間接的価値関数推定におけるモデル選択 |
| サブタイトル（和） | |
| タイトル（英） | Model Selection of Indirect Value Function 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） | 遷移確率推定 / transition probability estimation |
| キーワード(4)（和/英） | モデル選択 / model selection |
| 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） | 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) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-03-12 15:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2011-93 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.480 |
| ページ範囲 | pp.43-48 |
| ページ数 | 6 |
| 発行日 | 2012-03-05 (IBISML) |
[研究会発表申込システムのトップページに戻る]