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(2020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 2009-07-13 10:30
Composition of Feature Space and State Space Dynamics Models for Model-based Reinforcement Learning
Akihiko YamaguchiJun TakamatsuTsukasa OgasawaraNAISTNLP2009-15 NC2009-8
抄録 (和) Learning a dynamics model and a reward model during reinforcement learning is a useful way, since the agent can also update its value function by using the models. In this paper, we propose a general dynamics model that is a composition of the feature space dynamics model and the state space dynamics model. This way enables to obtain a good generalization from a small number of samples because of the linearity of the state space dynamics, while it does not lose the accuracy. We demonstrate the simulation comparison of some dynamics models used together with a Dyna algorithm. 
(英) Learning a dynamics model and a reward model during reinforcement learning is a useful way, since the agent can also update its value function by using the models. In this paper, we propose a general dynamics model that is a composition of the feature space dynamics model and the state space dynamics model. This way enables to obtain a good generalization from a small number of samples because of the linearity of the state space dynamics, while it does not lose the accuracy. We demonstrate the simulation comparison of some dynamics models used together with a Dyna algorithm.
キーワード (和) / / / / / / /  
(英) reinforcement learning / model-based reinforcement learning / Dyna-style planning / prioritized sweeping / dynamics model / / /  
文献情報 信学技報, vol. 109, no. 125, NC2009-8, pp. 7-12, 2009年7月.
資料番号 NC2009-8 
発行日 2009-07-06 (NLP, 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 NLP2009-15 NC2009-8

研究会情報
研究会 NC NLP  
開催期間 2009-07-13 - 2009-07-14 
開催地(和) 奈良先端大 
開催地(英) NAIST 
テーマ(和) 脳活動の計測と解析,生命現象の非線形性,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 2009-07-NC-NLP 
本文の言語 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Composition of Feature Space and State Space Dynamics Models for Model-based Reinforcement Learning 
サブタイトル(英)  
キーワード(1)(和/英) / reinforcement learning  
キーワード(2)(和/英) / model-based reinforcement learning  
キーワード(3)(和/英) / Dyna-style planning  
キーワード(4)(和/英) / prioritized sweeping  
キーワード(5)(和/英) / dynamics model  
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) 山口 明彦 / Akihiko Yamaguchi / ヤマグチ アキヒコ
第1著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第2著者 氏名(和/英/ヨミ) 高松 淳 / Jun Takamatsu / タカマツ ジュン
第2著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第3著者 氏名(和/英/ヨミ) 小笠原 司 / Tsukasa Ogasawara / オガサワラ ツカサ
第3著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
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
発表日時 2009-07-13 10:30:00 
発表時間 30 
申込先研究会 NC 
資料番号 IEICE-NLP2009-15,IEICE-NC2009-8 
巻番号(vol) IEICE-109 
号番号(no) no.124(NLP), no.125(NC) 
ページ範囲 pp.7-12 
ページ数 IEICE-6 
発行日 IEICE-NLP-2009-07-06,IEICE-NC-2009-07-06 


[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