お知らせ 研究会の開催と会場に参加される皆様へのお願い(2021年10月開催~)
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 2006-02-24 17:00
事例を経験として蓄積し利用する強化学習手法の提案
小幡琢磨佐々木洋輔東京工科大)・久保村千明山野美容芸術短大)・亀田弘之東京工科大
抄録 (和) 教師を必要とせずにエージェントを環境に適応させる枠組みとして強化学習がある.
強化学習ではエージェントが環境に対して試行錯誤を繰り返すことにより,それぞれの状況に適した行動を学習することができる.
試行はエージェントに実装されている行動の種類と状況の数によっては大量におこなうこととなる.
現実的な環境を想定した場合にはこれらの数は増加してしまい,結果として学習が収束するまでには学習に反映されない大量の無駄な試行が存在することとなる.
これらの無駄な試行には学習に有効に利用できる試行が存在すると考えられる.
また状況間の類似を考慮することで,無駄な試行を減らすことが可能と考えられる.
本研究ではこれらの無駄な試行に着目し, 無駄な試行を経験として蓄積し,有効に利用することで学習速度を向上させることを目指した.
具体的には,学習の過程における試行のなかで無駄な試行を学習に反映させる手法と,
経験を蓄積することにより,類似した状況下で効率的に行動選択することのできる手法を提案する. 
(英) Reinforcement learning is a learning frame for machines to adapt themselves to environment with no teachers.
With reinforcement learning methods, agents can learn to behave adapting to environment by trial and error.
Many times of trials are inevitably made, when the number of actions of agents and that of kinds of situations are very large.
In real world, the number of them would be much increased.
Many trials would be also made in vain, while learning procedure converges, in spite that some of them could be effectively applied to learn.
Moreover, similarity among situations can be possibly used to increase waste trials.
In this paper, we focused on these waste trials, i.e., negative examples, so that agents can learn to reach goals more rapidly by accumulating and using them as experience.
Concretely, we propose a method to reuse negative examples in learning process, and also another method for agents to take effective action in similar situations with accumulation and use of examples as experience.
キーワード (和) 強化学習 / 経験 / 状況 / 類似性 / エージェント / / /  
(英) reinfocement learning / experience / situation / similarity / agent / / /  
文献情報 信学技報, vol. 105, no. 613, TL2005-97, pp. 177-181, 2006年2月.
資料番号 TL2005-97 
発行日 2006-02-17 (TL, PRMU) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
PDFダウンロード

研究会情報
研究会 PRMU TL  
開催期間 2006-02-23 - 2006-02-24 
開催地(和) 産業技術総合研究所(筑波) 
開催地(英)  
テーマ(和) 文字認識・文書理解 
テーマ(英)  
講演論文情報の詳細
申込み研究会 TL 
会議コード 2006-02-PRMU-TL 
本文の言語 日本語 
タイトル(和) 事例を経験として蓄積し利用する強化学習手法の提案 
サブタイトル(和)  
タイトル(英) A Proposal of a Reinforcement Learning Method with accumulation and use of Examples as Experience 
サブタイトル(英)  
キーワード(1)(和/英) 強化学習 / reinfocement learning  
キーワード(2)(和/英) 経験 / experience  
キーワード(3)(和/英) 状況 / situation  
キーワード(4)(和/英) 類似性 / similarity  
キーワード(5)(和/英) エージェント / agent  
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) 小幡 琢磨 / Takuma Obata / オバタ タクマ
第1著者 所属(和/英) 東京工科大学 (略称: 東京工科大)
Tokyo University of Technology (略称: Tokyo Univ. of Tech.)
第2著者 氏名(和/英/ヨミ) 佐々木 洋輔 / Yousuke Sasaki / ササキ ヨウスケ
第2著者 所属(和/英) 東京工科大学 (略称: 東京工科大)
Tokyo University of Technology (略称: Tokyo Univ. of Tech.)
第3著者 氏名(和/英/ヨミ) 久保村 千明 / Chiaki Kubomura / クボムラ チアキ
第3著者 所属(和/英) 山野美容芸術短期大学 (略称: 山野美容芸術短大)
Yamano College of Aesthetics (略称: Yamano College of Aesthetics)
第4著者 氏名(和/英/ヨミ) 亀田 弘之 / Hiroyuki Kameda / カメダ ヒロユキ
第4著者 所属(和/英) 東京工科大学 (略称: 東京工科大)
Tokyo University of Technology (略称: Tokyo Univ. of Tech.)
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
発表日時 2006-02-24 17:00:00 
発表時間 30 
申込先研究会 TL 
資料番号 IEICE-TL2005-97,IEICE-PRMU2005-232 
巻番号(vol) IEICE-105 
号番号(no) no.613(TL), no.615(PRMU) 
ページ範囲 pp.177-181 
ページ数 IEICE-5 
発行日 IEICE-TL-2006-02-17,IEICE-PRMU-2006-02-17 


[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