| 講演名 | 2006-02-24 事例を経験として蓄積し利用する強化学習手法の提案(テーマセッション(4), 文字認識・文書理解) 小幡 琢磨, 佐々木 洋輔, 久保村 千明, 亀田 弘之, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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. |
| 抄録(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 |
| キーワード(英) | reinfocement learning / experience / situation / similarity / agent |
| 資料番号 | TL2005-97,PRMU2005-232 |
| 発行日 |
| 研究会情報 | |
| 研究会 | TL |
|---|---|
| 開催期間 | 2006/2/17(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 | Thought and Language (TL) |
|---|---|
| 本文の言語 | JPN |
| 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(テーマセッション(4), 文字認識・文書理解) |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 小幡 琢磨 / Takuma OBATA |
| 第 1 著者 所属（和/英） | 東京工科大学大学院バイオ・情報メディア研究科 Graduage School of Bionics, Computer and Media Sciences, Tokyo University of Technology |
| 第 2 著者 氏名（和/英） | 佐々木 洋輔 / Yousuke SASAKI |
| 第 2 著者 所属（和/英） | 東京工科大学大学院バイオ・情報メディア研究科 Graduage School of Bionics, Computer and Media Sciences, Tokyo University of Technology |
| 第 3 著者 氏名（和/英） | 久保村 千明 / Chiaki KUBOMURA |
| 第 3 著者 所属（和/英） | 山野美容芸術短期大学美容保健学科 Aesthetics and Health Science, Yamano College of Aesthetics |
| 第 4 著者 氏名（和/英） | 亀田 弘之 / Hiroyuki KAMEDA |
| 第 4 著者 所属（和/英） | 東京工科大学コンピュータサイエンス学部 School of Computer Science, Tokyo University of Technology |
| 発表年月日 | 2006-02-24 |
| 資料番号 | TL2005-97,PRMU2005-232 |
| 巻番号（vol） | vol.105 |
| 号番号（no） | 613 |
| ページ範囲 | pp.- |
| ページ数 | 5 |
| 発行日 | |