| 講演名 | 2003/10/16 強化学習における典型系列について(NC一般セッション(3))(認識と学習,模倣学習) 岩田 一貴, 池田 和司, 酒井 英昭, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 本論では強化学習の経験系列において成り立つ漸近等分割性を示す.これは時間ステップ数が十分に大きければ,経験系列の典型集合がほぼ確率1で出現すること,典型集合中の経験系列がほぼ同じ確率で出現すること,典型集合の大きさが条件付きエントロピーの指数関数で与えられることを表している.この性質は強化学習の学習過程を解析するために大変役に立つ. |
| 抄録(英) | In this paper, we show the asymptotic equipartition property on the empirical sequences in reinforcement learning. This states that if the number of time steps is sufficiently large, then the typical set of empirical sequences has probability nearly one, all elements of the typical set are nearly equiprobable, and the size of the typical set is the exponential function of the conditional entropy. The property is very useful to analyze the reinforcement learning process. |
| キーワード(和) | 強化学習 / タイプ理論 / 典型系列 / 漸近等分割性 |
| キーワード(英) | Reinforcement Learning / Type Theory / Typical Sequence / Asymptotic Equipartition Property |
| 資料番号 | PRMU2003-123,NC2003-54 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2003/10/16(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 強化学習における典型系列について(NC一般セッション(3))(認識と学習,模倣学習) |
| サブタイトル（和） | |
| タイトル（英） | On the Typical Sequence in Reinforcement Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(2)（和/英） | タイプ理論 / Type Theory |
| キーワード(3)（和/英） | 典型系列 / Typical Sequence |
| キーワード(4)（和/英） | 漸近等分割性 / Asymptotic Equipartition Property |
| 第 1 著者 氏名（和/英） | 岩田 一貴 / Kazunori IWATA |
| 第 1 著者 所属（和/英） | 京都大学大学院情報学研究科システム科学専攻 Department of Systems Science, Graduate School of Informatics, Kyoto University |
| 第 2 著者 氏名（和/英） | 池田 和司 / Kazushi IKEDA |
| 第 2 著者 所属（和/英） | 京都大学大学院情報学研究科システム科学専攻 Department of Systems Science, Graduate School of Informatics, Kyoto University |
| 第 3 著者 氏名（和/英） | 酒井 英昭 / Hideaki SAKAI |
| 第 3 著者 所属（和/英） | 京都大学大学院情報学研究科システム科学専攻 Department of Systems Science, Graduate School of Informatics, Kyoto University |
| 発表年月日 | 2003/10/16 |
| 資料番号 | PRMU2003-123,NC2003-54 |
| 巻番号（vol） | vol.103 |
| 号番号（no） | 391 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |