行動選択確率に基づく動的強化関数を用いた強化学習手法(人工知能,認知科学)
スポンサーリンク
概要
- 論文の詳細を見る
本論文では,Profit Sharing (PS)における強化関数を,行動の選択確率に基づき動的に変化させる強化学習手法Dynamic Profit Sharingを提案する.合理的な解を得るための必要十分条件を与えるPSの合理性定理[1]に対し,提案手法では,確率的に十分な合理性を維持しつつ学習効率を向上させるための条件を与える.この条件を満たす強化関数を動的に決定することで,報酬の分配効率を高めることができ,目標状態まで多くの行動を必要とする環境に対しても高速に学習を行うことが可能となる.迷路問題と追跡問題を例題とした実験を行い,提案手法の有効性を確認する.
- 2006-04-01
著者
-
宮内 新
武蔵工業大学
-
荒井 秀一
武蔵工業大学工学研究科
-
中野 秀洋
武蔵工業大学
-
宮内 新
東京都市大学
-
荒井 秀一
東京都市大
-
長谷川 雄吾
(株)アドイン研究所
-
高田 沙都子
(株)東芝ソフトウェア技術センター
-
荒井 秀一
武蔵工業大学
関連論文
- 教育用記憶階層システムの実現と演習方法の提案 : MITEC-II-MMUによる記憶階層の教育
- 抑制機構を有するPSOを用いたセンサネットワークにおける特殊中継ノード配置問題の解法(神経ダイナミクス,一般)
- A-1-8 ダイナミック・リコンフィギャラブル技術の音声復号における適用(A-1. 回路とシステム, 基礎・境界)
- A-1-39 ダイナミック・リコンフィギャラブル技術の音声復号における適用(A-1. 回路とシステム)
- D-6-5 マルチスレッドプロセッサに適した値予測機構の提案(D-6.コンピュータシステムA(アーキテクチャ),一般講演)
- D-6-3 値履歴テーブルのエントリ数に適した値予測命令数の検討と評価(D-6. コンピュータシステム, 情報・システム1)
- バイナリニューラルネットワークのGAに基づく幾何学的学習法とその汎化能力について(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)
- 実数値GAに基づくバイナリニューラルネットワークの学習アルゴリズムについて(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)
- 3E-3 カオス的パルス結合ニューラルネットワークによる同期型センサ情報収集機構とその評価(センサネットワーク(2),一般セッション,ネットワーク)
- 6D-2 MANETノード分布の可視化手法とその応用(通信方式(2),一般セッション,ネットワーク)
- MANETノード分布のARTネットワークによる可視化
- カオス的パルス結合ニューラルネットワークによる同期型センシング情報収集機構
- MANETノード分布のARTネットワークによる可視化
- ウェーブレット変換を用いた金属表面の線状欠陥の分類
- アルゴリズムスタイルを重視した情報処理教育
- 強化学習による自律移動ロボットのシュート行動獲得
- ブロックの信頼度を用いたアピアランスベース物体認識法の改善
- 遺伝的アルゴリズムを用いたITC符号化プロセッサの開発
- 遺伝的アルゴリズムを用いたITC符号化プロセッサの開発(プロセッサ)
- ニューラルネットワークからの論理関数抽出 : 学習効率の向上とハードウェア化
- D-8-15 実環境を考慮したマルチエージェント強化学習
- マルチプロセッサ環境におけるマイグレート可能タスクの導入
- μITRON4.0仕様リアルタイムOSにおけるミューテックスの実装
- マルチプロセッサ環境におけるマイグレート可能タスクの導入
- μITRON4.0仕様リアルタイムOSにおけるミューテックスの実装
- GAを用いたITC符号化プロセッサ : アーキテクチャの提案(1)(:「LSIシステムの実装・モジュール化, テスト技術, 一般)
- GAを用いたITC符号化プロセッサ : アーキテクチャの提案(1)(:「LSIシステムの実装・モジュール化, テスト技術, 一般)
- 教育用RISC型マイクロプロセッサMITEC-IIを用いた演習環境の開発及びMITEC-IIを用いた演習の実施
- A-3-12 アプリケーションプログラムを基にしたプロセッサアーキテクチャの自動生成 : アプリケーションからの並列性の抽出
- ITRON仕様OSのマルチプロセッサ拡張におけるデッドロック回避の手法
- ITRON仕様OSのマルチプロセッサ拡張におけるデッドロック回避の手法
- ファジィエキスパートシステムを用いたエレベータ群管理システムに関する研究
- 遺伝的プログラミングを用いた協調戦略獲得
- 移動オブジェクトの追跡による動画像インデクシングシステム
- COMET互換プロセッサ用ITRON仕様OS
- MPEG符号の直接操作に基づく動画像解析
- MPEG符号化動画像の解析に関する検討
- N-26 簡単なCPUを用いたハードウェア教育(情報技術教育,N.教育・人文科学)
- 行動選択確率に基づく動的強化関数を用いた強化学習手法(人工知能,認知科学)
- D-8-30 Profit Sharing に代わるより効率的な強化学習手法
- 動画像による人物認識に用いるパラメータ抽出法
- D-6-1 ターゲットの変更が可能な命令スケジューラに関する研究
- C-12 ターゲットの変更が可能な命令スケジューラに関する研究(計算機アーキテクチャと最適化,C.アーキテクチャ・ハードウェア)
- 教育用RISCプロセッサMITEC-IIについて
- 教育用RISCプロセッサMITEC-IIについて
- 遺伝的アルゴリズムを用いた動画像の反復変換符号化
- 画像処理プロセッサのアーキテクチャ決定法に関する検討(1) : アプリケーションプログラムからの命令セットの選定法
- 画像処理プロセッサのアーキテクチャ決定法に関する検討(1) : アプリケーションプログラムからの命令セットの選定法
- 画像処理プロセッサのアーキテクチャ決定法に関する検討 (1) : アプリケーションプログラムからの命令セットの選定法
- 5H-7 画像処理プロセッサのアーキテクチャ決定法に関する検討(1) : アプリケーションプログラムからの命令セットの選定法
- 5M-6 階層画像を用いた投票型オプティカルフロー抽出精度の向上
- 3M-4 近似固有空間による階層分割化を用いた物体認識
- 4J-8 遺伝的プログラミングを用いた協調戦略獲得の検討
- 1J-3 ニューラルネットワークにおけるルール摘出の検討
- 4L-3 ルールベースニューラルネットワークの拡張 : Hopfield Networkへの適用
- 5K-2 移動オブジェクトの追跡によるMPEG動画像のインデクシング
- 2-4 GAを用いたITCによる動画像符号化
- 移動オブジェクトの追跡によるMPEG動画像のインデクシング
- 歩行動画像を用いた個人の特徴抽出と認識
- COMET互換プロセッサによるCPU設計演習環境の提案と実現
- G-24 株式市場において外部環境により売買判断の多様性を生む投資家モデルの提案(人工知能(一般),G.人工知能)
- トレーダの取引行動の遅延を要因として複雑さを生じる市場モデル(知識処理・知識コミュニティ)
- トレーダの取引行動の遅延を要因として複雑さを生じる市場モデル(一般 : マルチエージェントと学習)
- トレーダの取引行動の遅延を要因として複雑さを生じる市場モデル(一般(マルチエージェントと学習))(「社会システムにおける知能」及び一般)
- D-15-1 COMET-II互換プロセッサ上におけるリアルタイムOS演習の為のデバッグ環境の開発(D-15. 教育工学)
- D-11-114 時系列画像を用いた画像状況に適した統合によるオプティカルフロー抽出精度向上
- C-11 分岐履歴を用いた条件付き双方向パスの考察(計算機アーキテクチャと最適化,C.アーキテクチャ・ハードウェア)
- C-2 アプリケーションプログラムを基にしたプロセッサアーキテクチャの自動生成(FPGA,C.アーキテクチャ・ハードウェア)
- C-1 COMET-II互換プロセッサによるCPU設計演習環境の開発(FPGA,C.アーキテクチャ・ハードウェア)
- B-39 COMET-II互換プロセッサ上におけるITRON仕様OSに関する研究(リアルタイムと分散共有メモリ,B.ソフトウェア)
- B-38 ITRON仕様カーネルのレディキューに関する性能比較(リアルタイムと分散共有メモリ,B.ソフトウェア)
- I-42 時系列画像を用いたオプティカルフロー抽出精度向上(ステレオ・オプティカルフロー,I.画像認識・メディア理解)
- D-6-5 MPEG動画像を直接処理する専用プロセッサ : パラメータ抽出命令(D-6. コンピュータシステム, 情報・システム1)
- MPEGデータを用いた動領域の抽出 : MPEGデータからの移動物体の輪郭抽出および3次元動きベクトルの推定
- MPEGデータを用いた動領域の抽出 : MEPGデータからの移動物体の輪郭抽出及び3次元動きベクトルの推定
- BNNのGA学習法に関する汎化能力の解析
- バイナリニューラルネットワークのGA学習法に適した専用プロセッサの開発
- カオス的パルス結合ニューラルネットワークによる同期型センシング情報収集機構
- ペトリネットを用いた性能、信頼性評価に関する研究
- COMET互換プロセッサによる設計演習環境の提案と実現
- ファジィ推論におけるルールの解析的導出(2)
- ファジィ推論におけるルールの解析的導出
- ニューラルネットワークからのルールベースの導出
- D-18-1 GALS型システムのFPGAへの実装について(D-18.リコンフィギャラブルシステム,一般講演)
- ニューラルネットワークを用いた3次元物体の形状認識
- G-26 人間-エージェント間対話による画像・音声刺激からの言語シンボル概念獲得に関する研究(人工知能(一般),G.人工知能)
- 工学部情報系学科におけるコンピュータアーキテクチャ教育 : 演習・実験の取り組み
- 輪郭のフラクタル性を利用した画像符号化
- 輪郭のフラクタル性を利用した画像符号化 : 映像表現,画像処理・コンピュータビジョン
- D-6-4 MPEG動画像を直接処理する専用プロセッサの設計 : ハードウェアテーブルによる高速化(D-6.コンピュータシステムA(アーキテクチャ),一般講演)
- 距離画像を用いた複数物体の3次元運動パラメータの抽出に関する研究
- バイナリニューラルネットのGA学習法の問題依存性に関する検討
- バイナリニューラルネットのGA学習法に関する学習特性解析
- D-2-2 バイナリーニューラルネットワークのGA学習法に関する検討(D-2. ニューロコンピューティング, 情報・システム1)
- 多ビット出力Binary Neural Networksの学習アルゴリズムと認識器への応用
- 複素バックプロパゲーションネットワークによるオプティカルフローの解釈(2)
- D-6-3 自動生成に適したマルチプロセッサと並列化コンパイラの提案(D-6.コンピュータシステムA(アーキテクチャ),一般講演)
- ウェーブレット変換を用いたさいころの目の認識
- ニューラルネットワークによるオプティカルフローの三次元動き解釈のための一提案
- 機能分散型投票マルチエージェント方式を用いた物体の3次元動き解釈