積極性と警戒心のバイアスを加味した強化学習

スポンサーリンク

概要

論文の詳細を見る
本論文では、動物における積極性と警戒心に対応するような形で価値判断の変更を行う、新しい強化学習モデルを提案する。強化学習は、教師あり学習に比べより幅広い状況において利用できる学習方式ではあるが、環境からエージェントに与える強化信号の量を適切に定めることは、必ずしも容易ではない。例えば、次善の行動に過度な報酬を与えてしまえば、最善の行動の探索が阻害されうるし、逆に報酬が不足であれば、次善の行動すらも学習されないということが起こりうる。このような問題に対し、本提案モデルでは、報酬の最大化のみを目的とした、積極性に対応するモジュールと、罰の最小化のみを目的とする、警戒心に対応したモジュールとを組み合わせ、そのバイアスを調整することで、幅広い環境への適応を図る。計算機実験により、従来モデルでは性能が極端に悪化するような環境においても、提案モデルが優れた性能を示すことを確認した。また、それ以外の環境においても、提案モデルは従来モデルと同等の性能を示した。
2005-02-15

著者

関連論文

もっと見る

スポンサーリンク