| 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 | 2026-06-22 16:45 局所ブロックPCAによる強化学習の効率化に関する検討 ○齊藤雄斗・村松正吾（新潟大）  SIP2026-18 BioX2026-18 IE2026-18 MI2026-18 |
|
| 抄録 | （和） | 本稿では,状態の逐次変化と局所性を捉える次元削減手法を強化学習に適用し,その有効性を検証する.近年の計測技術の発展により,時空間マルチスケール計測を通じた高次元データの取得が可能となった.これに伴い,河川流路などの大規模な制御対象を扱うデータ駆動制御が期待されている.強化学習は,自律的に制御方針を獲得する強力なデータ駆動制御手法である.しかし,状態に高次元データを用いる際,学習フェーズで膨大な試行回数を要する課題がある.そのため,状態のマルチスケール性を加味した効果的な次元削減手法の検討が必要である.本研究では,次元削減の適応性とシフト可変性に着目し,両性質を備える局所ブロック主成分分析（LBPCA）の導入を提案する.流体制御シミュレーションによる性能評価を通じて各々の性質を比較し,提案手法によるサンプル効率の改善を確認する. |
| （英） | This study applies a dimensionality reduction (DR) method that captures sequential changes and locality of states to reinforcement learning (RL) and evaluates its effectiveness. Recent advances in measurement technology have made it possible to acquire high-dimensional data through spatiotemporal multiscale measurements. Consequently, there is growing interest in data-driven control methods capable of treating large-scale control objects, such as river channels. RL is a powerful data-driven control method for autonomously acquiring control policies. However, when using high-dimensional data for states representation, there is the challenge that RL requires an enormous number of trials. Thus, it is necessary to examine DR methods effective for reducing the dimensionality of multiscale states. This paper focuses on the shift variability and adaptability of DR and proposes introducting Local Block Principal Component Analysis (LBPCA), which has both properties. Through performance evaluations using flow-control simulations, we compare these properties and confirm that the proposed method improves sample efficiency. | |
| キーワード | （和） | 次元削減 / サンプル効率 / 主成分分析(PCA) / / / / / |
| （英） | Dimensionality reduction / Sample efficiency / Principal component analysis (PCA) / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 83, SIP2026-18, pp. 91-96, 2026年6月. | |
| 資料番号 | SIP2026-18 | |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) | |
| 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 | SIP2026-18 BioX2026-18 IE2026-18 MI2026-18 |
|
| 研究会情報 | |
| 研究会 | ITE-IST ITE-ME IE BioX SIP MI |
| 開催期間 | 2026-06-22 - 2026-06-23 |
| 開催地（和） | 鳥取県立生涯学習センター |
| 開催地（英） | |
| テーマ（和） | マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2026-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 局所ブロックPCAによる強化学習の効率化に関する検討 |
| サブタイトル（和） | |
| タイトル（英） | On improving the efficiency of reinforcement learning using local block PCA |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 次元削減 / Dimensionality reduction |
| キーワード(2)（和/英） | サンプル効率 / Sample efficiency |
| キーワード(3)（和/英） | 主成分分析(PCA) / Principal component analysis (PCA) |
| 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） | 齊藤 雄斗 / Yuto Saito / サイトウ ユウト |
| 第1著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村松 正吾 / Shogo Muramatsu / ムラマツ ショウゴ |
| 第2著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-22 16:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2026-18, BioX2026-18, IE2026-18, MI2026-18 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.83(SIP), no.84(BioX), no.85(IE), no.86(MI) |
| ページ範囲 | pp.91-96 |
| ページ数 | 6 |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) |
[研究会発表申込システムのトップページに戻る]