近傍成分分析による行動指向的状態表現の獲得
スポンサーリンク
概要
- 論文の詳細を見る
ロボット等を用いて実環境で強化学習を行う場合,高次元のセンサ情報を扱う必要があり,単純な強化学習手法の適用では目的の制御則を獲得するのに非現実的な学習時間を要することが指摘されている.そのため,従来は学習器の設計者が予め行動選択に直接関わる重要な特徴を絞り込むことでこの問題を回避していた.しかしながら,この方法ではタスクに関わる重要な特徴が変化するなどの環境の変化に対して柔軟に適応することができない.本報告では,実例に基づく強化学習の学習結果を予測最適行動ラベルとして近傍成分分析に渡すことにより,強化学習を行う低次元空間を遂次的に自動構築する手法を提案する.シミュレーション実験で異なる次元圧縮手法を比較し,提案手法は効率的な強化学習を行うための状態表現を自動的に構築できることを示す.
- 2007-03-07
著者
-
銅谷 賢治
沖縄科学技術研究基盤整備機構
-
大塚 誠
沖縄大学院大学先行研究プロジェクト:奈良先端科学技術大学院大学
-
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
-
大塚 誠
沖縄大学院大学先行研究プロジェクト
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
- Solving POMDPs using restricted Boltzmann machines with echo state networks (ニューロコンピューティング)
- 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
- 制限付きボルツマンマシンとエコーステートネットワークによる部分観測マルコフ決定問題の解法(一般講演,機械学習によるバイオデータマインニング,一般)
- 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)