お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2014-03-18 14:00
行動履歴に基づく階層型報酬伝搬関数を用いたProfit Sharing強化学習法
キョウ振華中野秀洋宮内 新東京都市大NC2013-139
抄録 (和) Profit Sharing(PS)強化学習法は,マルコフ決定過程(MDP)で記述される環境だけではなく,部分観測MDP環境などの非MDP環境に対しても比較的頑健に学習できることが知られている.また, PS強化学習法は報酬分配の際に用いる強化関数を工夫することで,学習効率を大きく向上させることができる.本稿では,学習エージェントが実行した行動履歴に基づく階層型伝搬関数を用いたPS強化学習法を対象とし,手法における学習効率の向上を図るための改良を行う. 提案手法を用いれば,部分観測MDP環境に対しても,効率的な学習が可能となる.数値実験を行い,提案手法の有効性を確認する. 
(英) A Profit Sharing Reinforcement Learing (PSRL) method can realize robust learing not only in Markov Decision Process (MDP) environments but also in non-MDP environments such as Partially Observable MDP (POMDP) environments. The learing efficiency of the PSRL is significantly improved if a reinforcement function used in distributing rewards can be appropriately designed. In this paper, a PSRL method used hierarchical reward propagation function which is based on action history of learning agents is proposed. Using this method, efficient learning is possible for POMDP environments. Through numerical experiments, effectiveness of the proposed method can be verified.
キーワード (和) 強化学習 / Profit Sharing / 強化関数 / / / / /  
(英) Reinforcement Learing / Profit Sharing / Reinforcement Function / / / / /  
文献情報 信学技報, vol. 113, no. 500, NC2013-139, pp. 293-298, 2014年3月.
資料番号 NC2013-139 
発行日 2014-03-10 (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 NC2013-139

研究会情報
研究会 NC MBE  
開催期間 2014-03-17 - 2014-03-18 
開催地(和) 玉川大学 
開催地(英) Tamagawa University 
テーマ(和) ME,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 2014-03-NC-MBE 
本文の言語 日本語 
タイトル(和) 行動履歴に基づく階層型報酬伝搬関数を用いたProfit Sharing強化学習法 
サブタイトル(和)  
タイトル(英) A profit sharing reinforcement learning method using hierarchical reward propagation function based on action history 
サブタイトル(英)  
キーワード(1)(和/英) 強化学習 / Reinforcement Learing  
キーワード(2)(和/英) Profit Sharing / Profit Sharing  
キーワード(3)(和/英) 強化関数 / Reinforcement Function  
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) キョウ 振華 / Zhenhua Gong / キョウ シンカ
第1著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
第2著者 氏名(和/英/ヨミ) 中野 秀洋 / Hidehiro Nakano / ナカノ ヒデヒロ
第2著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
第3著者 氏名(和/英/ヨミ) 宮内 新 / Arata Miyauchi / ミヤウチ アラタ
第3著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2014-03-18 14:00:00 
発表時間 20分 
申込先研究会 NC 
資料番号 NC2013-139 
巻番号(vol) vol.113 
号番号(no) no.500 
ページ範囲 pp.293-298 
ページ数
発行日 2014-03-10 (NC) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会