連続な状態行動空間において近傍状態の報酬予測を用いた強化学習(エージェント・学習)
スポンサーリンク
概要
- 論文の詳細を見る
従来の強化学習は一般的に状態行動空間が非連続であった.しかし,実問題においては連続値の状態入力と連続値の行動出力を求められることも多い.状態・行動空間を離散化するのが普通だが,あまり粗く離散化すると細やかな制御ができないという問題が生じる.かといって離散化が細かすぎると探索空間が増大し,通常の離散MDPにおけるQ-learningとその行動選択方法では,なかなか学習が進まなくなり非実用的となる.本論文で提案する手法では,連続な行動空間に対応しながらも離散化が細かく探索空間が大きい場合でも近傍状態の報酬を予測し価値関数を更新することにより効率的に学習できる学習則を提案する.
- 2004-12-20
著者
-
本多 中二
電気通信大学電子情報学科
-
本多 中二
電気通信大学システム工学科
-
本多 中二
電気通信大学大学院電気通信学研究科
-
本多 中二
電気通信大学電気通信学部電子情報学科
-
櫻井 義尚
電気通信大学
-
本多 中二
電気通信大学 電子情報学科
-
櫻井 義尚
東京電機大学情報環境学部情報環境学科
-
本多 中二
電気通信大学 情報理工学部 情報・通信工学科
-
本多 中二
電気通信大学
関連論文
- Web 利用共同開発支援向け先端メディア融合方式の研究
- 個人の主観的イメージを自動学習する検索手法
- 微視的道路交通シミュレーションにおける外挿法を用いた自動学習追従ファジィモデル自動車の提案(ITSコア技術・ショーケース, 一般)
- ファジィ推論を用いたネットワーク構造モデルによる自動車すり抜け運転動作などのシミュレーションと渋滞解析
- ファジィ推論を用いたネットワーク構造モデルによる自動車すり抜け運転動作のシミュレーションと渋滞解析
- 道路交通シミュレータのためのファジィ推論による自動車の運転モデル
- ファジィモデル自動車のモデリングの違いによる学習結果の評価
- 並列ファジィ処理による自動車運転特性のモデリング
- NC加工における配置要素の形状特徴を利用した板取システム
- 設計の上流工程支援を考慮した設計・製造プロセス統合支援システム
- 設計対象モデルを用いた設計支援システムのユーザインタフェースの開発
- NC機械工作における部品の形状配置法の提案
- オブジェクト指向パラダイムによるNC機械加工のための設計支援システム
- 配送ルート最適化のための内部多世界GA
- 制約付きTSPを解くための局所利己的遺伝子許容動的制御GA
- 制約付きTSPのための局所利己的遺伝子動的制御GAの提案(セッション2)
- 大規模TSPを対話的応答時間内で最適化するための多段知能型GA(セッション2)
- 制約付きTSPのための局所利己的遺伝子動的制御GAの提案(セッション2)
- 大規模TSPを対話的応答時間内で最適化するための多段知能型GA(セッション2)
- 制約付きTSPのための局所利己的遺伝子動的制御GAの提案
- 大規模TSPを対話的応答時間内で最適化するための多段知能型GA
- 光トポグラフ装置を使用した将棋プレイ中の人の脳活動の変化の観察(その2)
- バーチャルサッカーにおける人間FWの特徴分析
- 配送問題を対話的時間で実用レベル最適化する多段知能型GA
- 道路交通シミュレータMITRAMにおける交差点分岐率パラメータ調整手法の開発
- 道路交通シミュレータMITRAMにおける交通流特性の取得システムの開発
- ファジィ化微視的モデルによる渋滞解析を目的とした道路交通シミュレータ
- 車両追従モデル構築に利用する簡易模擬データの提案
- 追従運転モデル構築に利用する簡易作成模擬データの提案(セッション1)
- 追従運転モデル構築に利用する簡易作成模擬データの提案(セッション1)
- 交差点走行車両の運転動作のモデル化と交通解析
- 交差点走行車両の運転動作のモデル化と交通解析(モデル化応用)
- MITRAM道路交通シミュレーションシステムの統合シミュレーション環境
- 大空間空調におけるファジィモデルを用いたPID制御に関する研究
- 可動ノズルを用いた大空間空調時における温度・風速分布のファジィモデルによる推定
- 負荷変動および外乱に対応したファジィモデリングを用いた大空間空調制御
- ファジィGMDHによる大空間空調温度特性のモデリング
- ファジィモデリングにおける主成分分析によるルール削減と時系列データへの適用
- 大空間空調における温度特性の高木・菅野モデルを用いたモデリング
- 可動ノズルを用いた大空間空調の温度・風速特性に関するファジィモデリングの研究
- 可動ノズルを用いた大空間空調に関するファジィモデリングの研究
- セール指向Eコマース商品グループ管理の一方式
- Karhunen-Loeve展開法による音声波形の表現
- 先行車以外の情報も考慮したファジイモデル自動車運転論理の実現
- カオス的解析によるファジイモデル自動車(FMV)の評価
- 最短道順の実時間探索ための複数方策メタ戦略融合GA方式
- 最短道順の実時間探索ための複数方策メタ戦略融合GA方式
- 強化学習を用いた進化的アルゴリズムのパラメータ学習
- 共同作業管理のための文脈利用方式(協調作業(2))
- 進化型計算法の自律協調型開発環境の研究--遺伝的アルゴリズムによる配送ルートの最適化
- 配送スケジュールの進化計算型リアルタイム最適化技術の研究
- 連続な状態行動空間において近傍状態の報酬予測を用いた強化学習(エージェント・学習)
- 微視的道路交通シミュレータMITRAMによる広域交通解析
- 道路交通シミュレータMITRAMを用いた信号制御設計
- 微視的道路交通シミュレータMITRAMによる広域交通解析(応用)
- 車両の時系列データから運転モデルを自動生成する手法(モバイルコンピューティングとユビキタス通信高度交通システム合同研究報告)
- 車両の時系列データから運転モデルを自動生成する手法(モバイルコンピューティングとユビキタス通信高度交通システム合同研究報告)
- 非衝突条件を用いた追従運転データ特性の考察
- 微視的道路交通シミュレータMITRAMへの経路選択モデルの導入と検証
- 追従運転モデル構築に利用する簡易作成模擬データの提案
- パターン情報に基づく能動的学習法による非線形システムのモデリングと制御への適用
- パターン情報に基づく学習法による空調風速分布のモデリング(パターン認識)
- 南太平洋情報通信調査報告 : 教育・研究協力ネットワークの形成をめざして
- 2-401 能動的学習法を用いた制御知識の獲得
- 能動的学習法による非線形システムのモデリング
- 能動的学習法による鉄棒体操演技知識の獲得
- 車間距離制御を加えたファジィモデル自動車の提案と車群特性
- 微視的道路交通シミュレータによる交差点交通解析
- 微視的道路交通シミュレータにおける個人特性を考慮した右折運転動作モデルの構築
- 非衝突条件および仮想先行車を用いた追従運転定義の検討
- ネットワーク構造ファジィ推論エンジンとその検証
- 非衝突条件を考慮した追従運転のモデル化
- 個々のファジィモデル自動車特性とその車群特性との関係
- ファジィモデル自動車の再構成データを与える実測データ規範シミュレーションの提案と検討
- 歩行者の移動行動をファジィ・モデルでシミレートする方法
- IGAのための心理的尺度に基づいたファジィ推論による適合度割当て法(対話型進化計算法)
- OZ-RPにおける協調行動の分析
- ファジィニューラルネットワークモデルによる追従自動車運転理論の実現
- 先行車と道路状況の要因を融合するための実データ学習ファジィモデル自動車の評価
- ファジィモデル自動車の再構成データを与える実測データ規範シミュレーションに対する検討
- 能動的学習法による非線形システムのモデリング
- 線画の顔の表情分析と顔図形の作成
- 地域冷暖房システムのモデル化について(1) : システムダイナミックスによる考察
- 物流最適化に向けたGAとバックトラックの融合によるTSP近似解法
- 配送ルート最適化向けランダムリスタート融合GA方式
- 方策を自律学習する進化型計算法による配送ルートの最適化
- 行動・認知モデルに基づく分散共同開発支援用マルチエージェントシステムの研究
- ハードウェアファジィ推論ユニット用シミュレータによる多段推論構造の検証
- ハードウェアファジィ推論ユニットの単独動作の評価
- ファジィモデルに基づく市街地での渋滞予測用微視的シミュレータ(ファジィ理論の交通への応用)
- 並列ファジィ論理モデルに予測機能を加えた自動車運転シミュレーション
- 能動的学習法のハードウェア構築に関する研究
- 運転時の基本的拘束条件を考慮した4つの運転論理によるファジィモデル自動車の構成
- 能動的学習法の制御問題への適用に関する考察
- A-1-18 微視的道路交通シミュレータMITRAMを用いた徳島市中心部における渋滞解析と検証(A-1.回路とシステム,一般セッション)
- 極座標フ-リエ級数における図形的特徴を利用した多次元デ-タの表現方法
- 色情報を用いたファジィ理論に基づくビデオカメラの露光制御方式
- 第6回 インテリジェント・システム・シンポジウム報告(FAN Symposium)
- 配送ルート最適化向けランダムリスタート融合GA方式
- ビリーフ関数で表現された if-then ルールによる推論 : Barnett の方法の利用