| 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 | 2021-12-17 11:15 Trust Region Policy Optimizationにおける確率分布間距離に関する検討 ○菅谷健太・中野秀洋（東京都市大）  NLP2021-46 |
|
| 抄録 | （和） | 本稿では，Trust Region Policy Optimization におけるKullback-Leibler Divergence を用いた方策更新範囲の 制約の代わりにJensen-Shannon Divergence を用いて制約を行う手法を提案する．複数のベンチマークを用いて学習性能を検証し，提案手法が従来手法よりも学習効率が向上することを示す． |
| （英） | In this paper, we propose a method to change Kullback-Leibler Divergence to Jensen-Shannon Divergence that used in Trust Region Policy Optimization for restrict policy update range. We compare learning performance in several benchmarks and show that propose method can improve learning performance compare to conventional method. | |
| キーワード | （和） | 深層強化学習 / Trust Region Policy Optimization / Kullback-Leibler Divergence / Jensen-Shannon Divergence / / / / |
| （英） | Deep Reinforcement Learning / Trust Region Policy Optimization / Kullback-Leibler Divergence / Jensen-Shannon Divergence / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 307, NLP2021-46, pp. 18-21, 2021年12月. | |
| 資料番号 | NLP2021-46 | |
| 発行日 | 2021-12-10 (NLP) | |
| ISSN | 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 | NLP2021-46 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2021-12-17 - 2021-12-18 |
| 開催地（和） | J:COM ホルトホール大分 |
| 開催地（英） | J:COM Horuto Hall OITA |
| テーマ（和） | NLP，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2021-12-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | Trust Region Policy Optimizationにおける確率分布間距離に関する検討 |
| サブタイトル（和） | |
| タイトル（英） | Investigation on Distance Between Probability Distributions in Trust Region Policy Optimization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層強化学習 / Deep Reinforcement Learning |
| キーワード(2)（和/英） | Trust Region Policy Optimization / Trust Region Policy Optimization |
| キーワード(3)（和/英） | Kullback-Leibler Divergence / Kullback-Leibler Divergence |
| キーワード(4)（和/英） | Jensen-Shannon Divergence / Jensen-Shannon Divergence |
| 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） | 菅谷 健太 / Kenta Sugaya / スガヤ ケンタ |
| 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） | / / |
| 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 | 2021-12-17 11:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2021-46 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.307 |
| ページ範囲 | pp.18-21 |
| ページ数 | 4 |
| 発行日 | 2021-12-10 (NLP) |
[研究会発表申込システムのトップページに戻る]