行動分割型マルチエージェントによる強化学習の高速化
スポンサーリンク
概要
- 論文の詳細を見る
強化学習において、Temporal Difference (TD)学習の発展形であるQ-Learningがよく用いられている。この方法は、状態と行動の対を評価する。そのため、高次元空間では多大な時間、計算資源が必要となる。そこで、本研究では、単一のエージェントを、積極的に複数のエージェントとしてとらえ、出力(行動)の決定を分割するアルゴリズムを提案する。このアルゴリズムにより、探索空間を縮小することになり、収束までのステップ数、計算時間、消費メモリ量の改善がみられた。その評価を行い、応用例を示す。
- 社団法人電子情報通信学会の論文
- 1999-07-19
著者
-
澤田 康次
東北工業大学
-
沢田 康次
東北工業大学
-
澤田 康次
東北大通研
-
沢田 康次
東北大学 電気通信研究所
-
沢田 康次
東北大学電気通信研究所
-
中村 崇仁
東北大学大学院情報科学研究科
-
佐野 雅己
東北大学電気通信研究所
-
沢田 康次
東北大学電情報科学研究科
関連論文
- 21aWE-1 「先行制御」とリズムの自己生成の必要性(21aWE 生物物理,領域12(ソフトマター物理,化学物理,生物物理))
- A-15-25 ヒトの視覚-運動制御系におけるフィードバック強度とフィードフォワード強度のトレードオフ(A-15.ヒューマン情報処理,一般講演)
- A-15-18 リズミックな音刺激を与えたときの追従運動特性(A-15.ヒューマン情報処理,一般講演)
- こころの線形現象論 (特集 脳と心)
- 相互追従実験におけるヒトと機械の協調運動パターン(コミュニケーションデザイン及び一般)
- A-15-25 手動追従運動に対するターゲット弁別容易度の影響(A-15. ヒューマン情報処理)
- 人の感覚運動システムにおける先行位相の定量的研究
- ラットの空間探索課題における海馬-大脳基底核モデル
- 環状結合ニューラルネットワークのアトラクタとその流域構造
- ラットナビゲーションモデルによる水迷路課題
- 複素対数変換と応答ベクトルを用いた情報圧縮によるパターン探索の効率化
- 視覚情報による場所認知システムに関する研究
- NLP2000-18 / NC2000-12 海馬-連合野モデルによる時系列パターンの長期記憶形成
- ニューラルネットワークにおけるアトラクティブフィールドの学習に関する研究
- 循環結合型ニューラルネットワークのアトラクターの分類に関する研究
- 海馬-大脳基底核モデルによるラットナビゲーションタスク
- 結合写像による神経場のモデルと時間・空間情報のコーディング
- 行動分割型マルチエージェントによる強化学習の高速化
- 注意と予測を取り入れた物体追従システム
- 時間遅れを取り入れた海馬CA3モデル
- 25aZA-10 ランダムに正負の散逸を取るLangevin系 : 2階確率微分方程式への拡張
- 25pU-13 ランダムに正負の散逸を取るLangevin系の電気回路シミュレーション
- 28p-XF-14 ランダムに正負の散逸をとるLangevin系の統計性
- NH_4Cl多結晶薄膜の自己アフィンフラクタル界面の成長条件と粗さ指数
- カオス振動子を結合した神経回路による情報処理能力の評価
- 樹枝状結晶成長における超音波の影響(長期研究会「パターン形成、運動およびその統計」,研究会報告)
- NLP2000-18 / NC2000-12 海馬-連合野モデルによる時系列パターンの長期記憶形成
- 生物の形態形成と機能発現 : 生きている状態の物理学を模索して
- アクティブエレメント集合による機能の創発
- 水銀乱流における2つの境界層の逆転現象(ポスター発表,階層性と非線形ダイナミクス:現象論の視座)
- 低プラントル数流体の熱乱流の性質 : 2つの境界層の逆転はあるか?(数理流体力学の展望)
- 神経ネットワークにおける多細胞同時記録とその解析
- 準静的破壊における破壊の進展(地球,階層性と非線形ダイナミクス:現象論の視座)
- A-40 進行する亀裂パターン(A-2. 非線形問題,一般講演)
- 30a-F-7 ガラス亀裂のダイナミクスと対称性
- 24. 非線形と自己組織 (非線形現象の不思議)
- 群れの数理モデル(生物現象II,複合系II要素と全体-現象論の視座-,研究会報告)
- 動物集団の自律形成モデル
- コミュニケーションダイナミックス : 先行制御機構をもつ複数エージェントの相互作用の研究(テーマセッション「ランダムネスと予測〜その基礎と応用」及び一般, ランダムネスと予測-その基礎と応用1)
- コミュニケーションダイナミックス : 先行制御機構をもつ複数エージェントの相互作用の研究(テーマセッション「ランダムネスと予測〜その基礎と応用」及び一般, ランダムネスと予測-その基礎と応用1)
- 5p-R-10 二成分混合系における局在対流の安定性
- 6a-C5-4 二成分混合熱体流系での対流ロールの局在
- 5p-L-10 Benard Instabilityによる超音波減衰
- 3つの散乱機構がある場合のmobility : 光物性
- 細胞性粘菌高速パターン系 : 細胞分化の位置情報
- 4p-C-1 多重安定系に対する相関のあるノイズの影響 : Chaotic White Noise
- 29a-PS-56 細胞選別の定量的研究
- 29a-PS-55 カオス時系列の神経回路網による学習過程
- 30p-W-7 人工膜の自励発振とその諸特性
- (3) 熱対流系のカオスと乱流(主題 : 亜臨界および超臨界流体による素材プロセッシング)(第 2 回 難処理希少資源研究センター研究懇談会)(選鉱製錬研究会記事)
- 6a-L-11 走査トンネル顕微鏡によるLB膜バリアのI-V特性の測定
- II. 生体系 : 生体の形態形成 (パターン形成・自己組織系の物理)
- アナログ連想メモリの集積化
- SDAMを用いたアナログ連想メモリの集積化
- ヒトの視覚運動系における位置誤差補正運動と予測運動の混在と分離
- 高齢運転者のカーブ走行時運転挙動特性について : ドライビングシミュレータによる走行実験分析
- 時系列学習で作られる内部表現と出力素子数の関係
- ニューラルネットワークによる動的メモリの構成
- 自己相関連想記憶の記憶容量増加に関する研究
- 2p-P-6 第2音波を用いた超流動ヘリウムの研究
- 2p-P-6 第2音波を用いた超流動ヘリウムの研究
- A-13-6 相互追従実験におけるヒトと機械の協調(A-13.思考と言語,一般講演)
- A-15-2 視標運動予測時における手の追従運動周波数変化(A-15. ヒューマン情報処理, 基礎・境界)
- ホップフィールドモデルのノイズ安定性
- 機能分離型ニューラルネットワークの情報処理能力
- ゲームにおけるローカルミニマム回避のアルゴリズム
- 脳の現象論と物理学
- 予測と行為 : 主体的行為はいかにして可能か
- 人の感覚運動系における先行制御
- 視覚目標追従時の手の先行運動
- 単結晶Nb薄膜の育成
- 埋め込み形S-SC-Sジョゼフソン接合製作の可能性
- 生物と脳の数理科学について--自然科学言語と人文科学言語の融合の場 (20世紀科学革命の基礎--相対論,量子論から脳科学まで)
- 興奮性を持つ写像によるニューラルネットワーク・モデルとその時系列学習への応用
- リミットサイクルを生成する集積化人工神経回路網の設計
- シンポルダイナミクスの学習によるパターンダイナミクスの記憶
- ワークショップ「脳型コンピュータとは何か」から : 脳型コンピュータとは何か?
- 陽極化成シリコン表面に形成されるナノ構造パターンのフラクタル解析
- 結合振動場に於ける位相界面のダイナミクスと情報処理
- A-39 強電界中における回転子状導体の非線形運動(A-2. 非線形問題,一般講演)
- 強電界中における回転導体のダイナミクス
- 1M1130 Cell type regulation in Dictyostelium : correlation between prestalk proportion and spatial pattern
- 脳型コンピュータとは何か?
- 神経場を用いた画像制御
- 3D04 ヒドラの再生における細胞間相互作用
- 強化学習を用いた球技動作の予測と制御
- 未知情報を選別・記憶する連想記憶システムの集積化
- 局所特徴導入による高速学習に関する研究
- しきい値制御荷重値更新による学習性能に関する研究
- 局所特徴導入による高速学習に関する研究
- しきい値制御荷重値更新による学習性能に関する研究
- 脳の理工学的研究 (特集 脳研究)
- 脳の理工学的研究の方法論について
- 荷重値の更新に閾値を設けたニューラルネットワークの学習性能とその集積化
- アナログ連想メモリの高機能化とその集積化
- 相互追従実験と組互タッピング実験における二者間の同期現象とモデル化 (ニューロコンピューティング)
- 塩素吸着とArイオン照射を用いたSiのエッチング
- 非平衡構造--機能を伴う巨視的構造
- 相互追従実験と相互タッピング実験における二者間の同期現象とモデル化