| 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 | 2010-12-19 13:55 行動履歴に基づく動的強化関数を用いたProfit Sharing強化学習法 ○角矢政紀・中野秀洋・宮内 新（東京都市大）  MBE2010-73 NC2010-84 |
|
| 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強化関数を用いたPS強化学習法を提案する. 本手法を用いれば, 部分観測MDP環境に対しても, 学習の混乱がほとんど生じることなく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 Learning (PSRL) method can realize robust learning not only in Markov Decision Process (MDP) environments but also in non-MDP environments such as Partially Observable MDP (POMDP) environments. The learning 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 using a reinforcement function which is based on action history of learning agents is proposed. Using this method, efficient learning is possible even 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 / 経験強化型学習 / / / / |
| （英） | Reinforcement Learning / Profit Sharing / Reinforcement Function / Exploitation-Oriented Learning / / / / | |
| 文献情報 | 信学技報, vol. 110, no. 355, NC2010-84, pp. 103-108, 2010年12月. | |
| 資料番号 | NC2010-84 | |
| 発行日 | 2010-12-12 (MBE, 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 | MBE2010-73 NC2010-84 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2010-12-19 - 2010-12-19 |
| 開催地（和） | 名古屋大学 |
| 開催地（英） | Nagoya Univ. |
| テーマ（和） | 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 | 2010-12-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 行動履歴に基づく動的強化関数を用いたProfit Sharing強化学習法 |
| サブタイトル（和） | |
| タイトル（英） | The Profit Sharing strengthening learning method using the dynamic strengthening function based on an action history |
| 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） | 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） | 経験強化型学習 / Exploitation-Oriented Learning |
| 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） | 角矢 政紀 / Masanori Kakuyaa / カクヤ マサノリ |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-12-19 13:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | MBE2010-73, NC2010-84 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.354(MBE), no.355(NC) |
| ページ範囲 | pp.103-108 |
| ページ数 | 6 |
| 発行日 | 2010-12-12 (MBE, NC) |
[研究会発表申込システムのトップページに戻る]