講演抄録/キーワード |
講演名 |
2015-01-29 16:55
帰納論理プログラミングを用いた複数の発達検査タスクのモデル学習 ○津留祐樹・伊藤秀昭・福本尚生・和久屋 寛(佐賀大) NC2014-63 |
抄録 |
(和) |
ロボット工学の目標の一つに,人間と同じくらい賢いロボットの実現がある.
我々の研究室では,ロボットを人間に近づけるために発達検査の複数のタスクを達成するロボットを段階的に実現してきた.
従前の研究では,強化学習を用いることによって,それらのタスクを達成する行動手順を自動的に学習するシステムを開発した.
しかし,そのシステムでは学習のための環境のモデルを手作業で作成しなければならないという問題があった.
本研究ではこの問題を解決するために,帰納論理プログラミングを用いて環境のモデルをデータから自動学習するシステムを開発した.
帰納論理プログラムを用いることによって,少数のデータから汎化能力を持つモデルを学習することに成功した. |
(英) |
Making a robot that is as versatile as human beings is a great technical challenge.
To make such a versatile intelligent robot, we have been developing a robot that performs tasks of developmental scales.
In the previous study, we have developed a system that automatically learns action sequences using reinforcement learning.
However, a model of the environment, which was necessary for the system to perform the reinforcement learning, had to be built by hand.
To address this issue, in this study, the authors developed a system that automatically learns the model of the environment from the input-output data of the actual environment.
We use inductive logic programming and succeeded in automatically learning a model with generalization capability from a small number of input-output data. |
キーワード |
(和) |
強化学習 / 帰納論理プログラミング / / / / / / |
(英) |
Reinforcement Learning / Inductive Logic Programming / / / / / / |
文献情報 |
信学技報, vol. 114, no. 437, NC2014-63, pp. 33-37, 2015年1月. |
資料番号 |
NC2014-63 |
発行日 |
2015-01-22 (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 |
NC2014-63 |
研究会情報 |
研究会 |
NC |
開催期間 |
2015-01-29 - 2015-01-30 |
開催地(和) |
九州工業大学 若松キャンパス(北九州学術研究都市) |
開催地(英) |
Kyushu Institute of Technology |
テーマ(和) |
ニューロコンピューティングの実装および人間科学のための解析・モデル化,一般 |
テーマ(英) |
Implementation of Neuro Computing,Analysis and Modeling of Human Science, etc |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2015-01-NC |
本文の言語 |
日本語 |
タイトル(和) |
帰納論理プログラミングを用いた複数の発達検査タスクのモデル学習 |
サブタイトル(和) |
|
タイトル(英) |
Model Learning of Multiple Tasks of Developmental Scales using Inductive Logic Programming |
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) |
帰納論理プログラミング / Inductive Logic Programming |
キーワード(3)(和/英) |
/ |
キーワード(4)(和/英) |
/ |
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) |
津留 祐樹 / Yuki Tsuru / ツル ユウキ |
第1著者 所属(和/英) |
佐賀大学 (略称: 佐賀大)
Saga University (略称: Saga Univ.) |
第2著者 氏名(和/英/ヨミ) |
伊藤 秀昭 / Hideaki Itoh / イトウ ヒデアキ |
第2著者 所属(和/英) |
佐賀大学 (略称: 佐賀大)
Saga University (略称: Saga Univ.) |
第3著者 氏名(和/英/ヨミ) |
福本 尚生 / Hisao Fukumoto / フクモト ヒサオ |
第3著者 所属(和/英) |
佐賀大学 (略称: 佐賀大)
Saga University (略称: Saga Univ.) |
第4著者 氏名(和/英/ヨミ) |
和久屋 寛 / Hiroshi Wakuya / ワクヤ ヒロシ |
第4著者 所属(和/英) |
佐賀大学 (略称: 佐賀大)
Saga University (略称: Saga Univ.) |
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 |
2015-01-29 16:55:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2014-63 |
巻番号(vol) |
vol.114 |
号番号(no) |
no.437 |
ページ範囲 |
pp.33-37 |
ページ数 |
5 |
発行日 |
2015-01-22 (NC) |