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 2004-07-29 13:00
POMDPs環境下での経験強化型強化学習法
植村 渉上野敦志辰巳昭治阪市大
抄録 (和) 強化学習法は,試行錯誤により報酬を獲得し,その報酬情報により行動系列を評価する方法である.Profit Sharing法では,報酬を行動系列に分配し,累積することで評価する.従来の分配方法では,POMDPs環境で正しく累積できない場合があることが知られている.本研究では,正しく累積できない理由が報酬分配時の分配量の差にあることを明らかにする.また,報酬分配時の分配量に差をつけず,行動系列の長さを分配量に考慮した分配方法Episode Profit Sharing(EPS)を提案する.EPSの分配方法が,迂回系列の強化を行わないことを証明し,実験により性能を確認する. 
(英) This paper proposes the Episode Profit Sharing(EPS) that can estimate the received rewards on partially observable markov decision processes(POMDPs). EPS equally evaluates all rules in an episode. And EPS distributes the values corresponding to the length of the episode to the rules. We show that EPS can suppress the reinforcement of the detour rules. The experiments show that EPS can get the good performance on both MDPs and POMDPs.
キーワード (和) 強化学習 / Profit Sharing法 / 部分観測マルコフ決定過程 / 不完全知覚 / / / /  
(英) Reinforcement Learning / Profit Sharing / POMDPs / Perceptual Aliasing / / / /  
文献情報 信学技報, vol. 104, no. 233, AI2004-12, pp. 1-5, 2004年7月.
資料番号 AI2004-12 
発行日 2004-07-22 (AI) 
ISSN Print edition: ISSN 0913-5685
PDFダウンロード

研究会情報
研究会 AI KEWPIE  
開催期間 2004-07-29 - 2004-07-29 
開催地(和) けいはんなプラザ 
開催地(英) Keihanna Plaza 
テーマ(和) 「セマンティックWeb」特集(および一般) 
テーマ(英) Semantic Web 
講演論文情報の詳細
申込み研究会 AI 
会議コード 2004-07-AI-* 
本文の言語 日本語 
タイトル(和) POMDPs環境下での経験強化型強化学習法 
サブタイトル(和)  
タイトル(英) SAPS: The Exploitation Reinforcement Learning Method on POMDPs 
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法 / Profit Sharing  
キーワード(3)(和/英) 部分観測マルコフ決定過程 / POMDPs  
キーワード(4)(和/英) 不完全知覚 / Perceptual Aliasing  
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) 植村 渉 / Wataru Uemura / ウエムラ ワタル
第1著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
第2著者 氏名(和/英/ヨミ) 上野 敦志 / Atsushi Ueno / ウエノ アツシ
第2著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
第3著者 氏名(和/英/ヨミ) 辰巳 昭治 / Shoji Tatsumi / タツミ ショウジ
第3著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka 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 2004-07-29 13:00:00 
発表時間 30分 
申込先研究会 AI 
資料番号 AI2004-12 
巻番号(vol) vol.104 
号番号(no) no.233 
ページ範囲 pp.1-5 
ページ数
発行日 2004-07-22 (AI) 


[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