| 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 | 2024-07-18 09:50 強化学習を用いた確率ブーリアンネットワークの状態フリップ制御 ○長谷川達也・本山風馬・小林孝一・山下 裕（北大）  RCC2024-26 |
|
| 抄録 | （和） | 本論文では，確率ブーリアンネットワーク（Probabilistic Boolean Network, PBN）の状態フリップ制御におけるQ学習の報酬設計を提案する．PBNとは，遺伝子ネットワークの数理モデルの一つであり，状態が0-1変数ベクトル，その時間的遷移がブール関数で記述されるモデルである．状態フリップ制御とは，状態を表現する0-1変数ベクトルの一部要素を反転する制御手法である．Q学習とはマルコフ決定過程における期待割引報酬の最大化問題を解くための手法である．提案する報酬設計により，状態フリップ制御を行う必要最小限のノードおよびコントローラを獲得する． |
| （英） | In this paper, we propose a Q-learning reward design method for state-flipped control of probabilistic Boolean networks (PBNs). A PBN is known as a mathematical model of gene regulatory networks. The state in a PBN and its time evolution are represented as a binary variable vector and a set of Boolean functions, respectively. State-flipped control is a control method where some elements of a binary variable vector representing the state are flipped. Q-learning is a simple method where an agent learns a policy that maximizes the expected discounted reward in Markov decision processes. By the proposed reward design, a controller that achieves a smaller number of flipped nodes can be derived. | |
| キーワード | （和） | 強化学習 / 確率ブーリアンネットワーク / 状態フリップ制御 / / / / / |
| （英） | reinforcement learning / probabilistic Boolean networks / state-flipped control / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 105, RCC2024-26, pp. 43-46, 2024年7月. | |
| 資料番号 | RCC2024-26 | |
| 発行日 | 2024-07-10 (RCC) | |
| 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 | RCC2024-26 |
|
| 研究会情報 | |
| 研究会 | RCC RCS SeMI NS SR RISING |
| 開催期間 | 2024-07-17 - 2024-07-19 |
| 開催地（和） | かでる2・７（北海道立道民活動センター） |
| 開催地（英） | Hokkaido Citizens Activities Promotion Center |
| テーマ（和） | 高信頼制御通信,無線分散ネットワーク，M2M(Machine-to-Machine)，D2D(Device-to-Device)，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCC |
| 会議コード | 2024-07-RCC-RCS-SeMI-NS-SR-RISING |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習を用いた確率ブーリアンネットワークの状態フリップ制御 |
| サブタイトル（和） | |
| タイトル（英） | State-Flipped Control for Probabilistic Boolean Networks Using Reinforcement Learning |
| 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） | 確率ブーリアンネットワーク / probabilistic Boolean networks |
| キーワード(3)（和/英） | 状態フリップ制御 / state-flipped control |
| 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） | 長谷川 達也 / Tatsuya Hasegawa / ハセガワ タツヤ |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 本山 風馬 / Fuma Motoyama / モトヤマ フウマ |
| 第2著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 小林 孝一 / Koichi Kobayashi / コバヤシ コウイチ |
| 第3著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 山下 裕 / Yuh Yamashita / ヤマシタ ユウ |
| 第4著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-07-18 09:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RCC |
| 資料番号 | RCC2024-26 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.105 |
| ページ範囲 | pp.43-46 |
| ページ数 | 4 |
| 発行日 | 2024-07-10 (RCC) |
[研究会発表申込システムのトップページに戻る]