講演名 2009-12-21
強化学習による所望時空パターンの合成法について
蜂屋 慶明, 中野 秀洋, 宮内 新,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 今日において,セルラ・オートマトン(CA)は画像処理,音データ圧縮,現象のシミュレーション等,多岐にわたる用途で用いられている.しかしCAのルールを現象にあわせて設計する事は設計者にとって大きな負担となる.そこで本研究では設計が容易な強化学習によって所望のCAのルール系列を設計する手法を提案する.まず本手法を用いることで,ある初期状態から別の終了状態まで遷移するルール系列を学習によって合成でき,目標の終了状態に到達出来る事を示す.次に初期状態と終了状態のハミング距離に注目し,本手法の解探索性能との関係を詳しく分析する.さらに,自己修復を行うルール系列,自己増殖を行うルール系列を合成する問題にも適用し,本手法の有効性を確認する.
抄録(英) Cellular automata (CA) is used for a image processing and a physical simulation. However, it is very difficlt for designer to synthesize CA according to target systems. Therefore, this research aims to synthesize the desired rule sequence in CA by using a simple Reinforcement Learning. This paper shows typical synthesis results for transition from specific pattern to another specific pattern , transition from random pattern to another random pattern, Self-Repairing and Self-Propagating, and confirms effectiveness of our proposed method.
キーワード(和) 非線形問題 / セルオートマトン / 強化学習 / Q学習
キーワード(英) Nonlinear problem / Cellular Automata / Rainforcement Learning / Q-Learning
資料番号 NLP2009-134
発行日

研究会情報
研究会 NLP
開催期間 2009/12/14(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 Nonlinear Problems (NLP)
本文の言語 JPN
タイトル(和) 強化学習による所望時空パターンの合成法について
サブタイトル(和)
タイトル(英) Synthesis of Desired Space-time Patterns based-on Reinforce Learning
サブタイトル(和)
キーワード(1)(和/英) 非線形問題 / Nonlinear problem
キーワード(2)(和/英) セルオートマトン / Cellular Automata
キーワード(3)(和/英) 強化学習 / Rainforcement Learning
キーワード(4)(和/英) Q学習 / Q-Learning
第 1 著者 氏名(和/英) 蜂屋 慶明 / Yoshiaki HACHIYA
第 1 著者 所属(和/英) 東京都市大学
Tokyo City University
第 2 著者 氏名(和/英) 中野 秀洋 / Hidehiro NAKANO
第 2 著者 所属(和/英) 東京都市大学
Tokyo City University
第 3 著者 氏名(和/英) 宮内 新 / Arata MIYAUCHl
第 3 著者 所属(和/英) 東京都市大学
Tokyo City University
発表年月日 2009-12-21
資料番号 NLP2009-134
巻番号(vol) vol.109
号番号(no) 354
ページ範囲 pp.-
ページ数 5
発行日