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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2013-11-13 15:45
[ポスター講演]状態遷移確率と報酬確率の転移による強化学習のサンプル量削減
小國晃太成澤和志篠原 歩東北大
技報オンラインサービス実施中
抄録 (和) 強化学習は非常に多くの試行を必要とするため実環境に適用することが難しいが,転移学習を用いることで効率的な強化学習を実現することができる.本稿では,転移学習を強化学習に応用したTR-MAXを提案する.TR-MAXは,状態遷移確率と報酬確率を元問題から目標問題に転移させる強化学習アルゴリズムである.強化学習の効率を測る指標であるサンプル量について,TR-MAXが既存手法よりも優れていることを証明し,実験的にも優れていることを示す. 
(英) Most existing reinforcement learning algorithms are not very efficient in real environmental problems. Because, they have to try many times till they get an optimal policy. In this paper, we apply transfer learning to reinforcement learning for efficient learning. We propose a new algorithm called TR-MAX. The algorithm transfers transition and reward probabilities from a source task to a target task. We show that the sample complexity of TR-MAX is smaller than that of the base algorithm. Finally, we show that the performance of our algorithm is better than that of the base algorithm in a maze task.
キーワード (和) 強化学習 / 転移学習 / サンプル量 / PAC-MDP / / / /  
(英) Reinforcement Learning / Transfer Learning / Sample Complexity / PAC-MDP / / / /  
文献情報 信学技報, vol. 113, no. 286, IBISML2013-54, pp. 139-146, 2013年11月.
資料番号 IBISML2013-54 
発行日 2013-11-05 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 IBISML  
開催期間 2013-11-10 - 2013-11-13 
開催地(和) 東京工業大学 蔵前会館 
開催地(英) Tokyo Institute of Technology, Kuramae-Kaikan 
テーマ(和) 第16回情報論的学習理論ワークショップ & 第2回IBISMLチュートリアル 
テーマ(英) The 16th IBIS Workshop & The 2nd IBIS Tutorial 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2013-11-IBISML 
本文の言語 日本語 
タイトル(和) 状態遷移確率と報酬確率の転移による強化学習のサンプル量削減 
サブタイトル(和)  
タイトル(英) Sample Complexity Reduction in Reinforcement Learning by Transferred Transition and Reward Probability 
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) 転移学習 / Transfer Learning  
キーワード(3)(和/英) サンプル量 / Sample Complexity  
キーワード(4)(和/英) PAC-MDP / PAC-MDP  
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) 小國 晃太 / Kouta Oguni / オグニ コウタ
第1著者 所属(和/英) 東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.)
第2著者 氏名(和/英/ヨミ) 成澤 和志 / Kazuyuki Narisawa / ナリサワ カズユキ
第2著者 所属(和/英) 東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku Univ.)
第3著者 氏名(和/英/ヨミ) 篠原 歩 / Ayumi Shinohara / シノハラ アユミ
第3著者 所属(和/英) 東北大学 (略称: 東北大)
Tohoku University (略称: Tohoku 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
発表日時 2013-11-13 15:45:00 
発表時間 180 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2013-54 
巻番号(vol) IEICE-113 
号番号(no) no.286 
ページ範囲 pp.139-146 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2013-11-05 


[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