複数の価値関数を用いた多目的強化学習
スポンサーリンク
概要
- 論文の詳細を見る
通常の強化学習は単一問題の最適化として定式化されている.しかし,実世界の問題では一つの目的としては表せない問題が多く存在する.本研究では多目的最適化問題に対するActor-Criticアーキテクチャに基づく強化学習法を提案する.複数の目的に対して一つの価値関数を学習するのではなく,目的ごとに与えられた報酬関数から各目的に対する価値関数を学習し,それらのPareto最適方策を得るというアプローチをとる.Criticの複数の価値関数から求められるTD誤差をスカラー化してActorを更新することにより,複数の目的を満たす方策を獲得する.複数のTD誤差のスカラー化手法として,既存手法を拡張したMax-min法と加重線形和法を用いる.1エピソードの終了条件が複数の不等式で与えられるシミュレーション実験によって,拡張したMax-min法が報酬関数の組み合わせの影響を受けずに学習できることを示した.
- 2006-03-09
著者
-
銅谷 賢治
沖縄科学技術研究基盤整備機構
-
銅谷 賢治
沖縄大学院大学先行研究プロジェクト
-
銅谷 賢治
独立行政法人沖縄科学技術研究基盤整備機構沖縄大学院大学先行的研究事業
-
内部 英治
沖縄大学院大学先行的研究事業神経計算ユニット
-
内部 英治
沖縄科学技術研究基盤整備機構
-
上岡 拓未
沖縄大学院大学先行的研究事業
-
上岡 拓未
奈良先端科学技術大学院大学:沖縄大学院大学先行的研究事業
関連論文
- モデルフリーとモデルベース戦略の課題依存的な選択(BCI/BMIとその周辺)
- 感覚情報の能動的低次元化による強化学習(機械学習によるバイオデータマインニング,一般)
- 自由エネルギーを用いた強化学習による状態のタスク依存な集団符号化(一般,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
- 自然方策こう配法 : 平均報酬の自然こう配に基づく方策探索(人工知能,認知科学)
- 情動・行動の脳内機構に関するfMRI研究 : うつ病の病態解明に向けて(情動・行動の脳内機序に関する研究の進展)(2004年/第45回日本心身医学総会/北九州)
- 強化学習 : 理論と応用
- 強化学習の基礎理論と応用
- 変分ベイズ法による自然方策勾配の推定法(一般, 脳・ヒューマンモデリング, 一般)
- 空間的情報を含むマルコフ決定課題を用いた長期と短期の報酬予測に伴う脳活動のfMRI測定
- 短期と長期の報酬予測に伴う脳活動のfMRI測定
- センサフィードバックを用いたCPG制御における環境ダイナミクスと観測の不確定性の影響
- 線条体における入力タイミングに依存するカルシウム応答モデル
- 自然 TD 学習 : 割引報酬における TD 誤差を利用する自然方策勾配に基づいた強化学習法
- 生命科学と制御 : 《第13回》座談会「制御と生命科学」
- 強化学習エージェントによる協調行動とコミュニケーションの創発(シンポジウム特集)
- 線条体シナプス可塑性の分子機構のシミュレーション研究(セッション3:『バイオモデリング,シミュレーション』)
- 生化学反応系のためのベイズ的システム同定法(機械学習によるバイオデータマイニング)
- 生化学反応系のためのベイズ的システム同定法(機械学習によるバイオデータマインニング)
- 混合カルマンフィルタによる隠れ状態推定法 : Cyber Rodentの自己位置同定への応用
- 生命科学と制御 : 《第12回》脳の目的関数とは何か
- Max-Min Actor-Criticによる複数報酬課題の強化学習(人工知能,認知科学)
- 行動学習データの強化学習モデルによる解析とその応用
- 行動学習データの強化学習モデルによる解析とその応用(コミュニケーション支援及び一般)
- 行動学習データの強化学習モデルによる解析とその応用(コミュニケーション支援及び一般)
- 近傍成分分析による行動指向的状態表現の獲得
- 複数の報酬によって与えられる拘束のもとでの強化学習(「機械学習によるバイオデータマインニング」及び「一般」)
- 複数の価値関数を用いた多目的強化学習
- 2A1-N-044 構造の異なる複数の学習器の相互作用を利用した強化学習システム(認知ロボティクス1,生活を支援するロボメカ技術のメガインテグレーション)
- 複数報酬のもとでの階層強化学習
- 重点サンプリングを用いた複数強化学習器の同時学習
- サイバーローデントプロジェクト
- 沖縄計算神経科学コース(Okinawa Computational Neuroscience Course)経過報告
- 線形ベルマン方程式に基づくロボット制御 : システム同定と指数価値関数近似
- 運動-視覚ダイナミクス学習と線形ベルマン方程式によるロボット制御
- 運動-視覚ダイナミクス学習と線形ベルマン方程式によるロボット制御 (ニューロコンピューティング)
- 自由エネルギーを用いた強化学習による状態のタスク依存な集団符号化
- 運動-視覚ダイナミクス学習と線形ベルマン方程式によるロボット制御(一般,機械学習によるバイオデータマインニング,一般)