ガウス過程を用いたモンテカルロ碁における戦略獲得
スポンサーリンク
概要
- 論文の詳細を見る
近年,Gaussian Process Bandits (GPB) をモンテカルロ木探索へ適用したアルゴリズムであるガウス過程木探索が提案された.ガウス過程木探索は従来のアルゴリズムよりも性能のよい手法である.そこで本研究では,ガウス過程木探索に基づくモンテカルロ碁を提案する.提案手法は,ガウス過程における共分散行列とカーネル関数を用いて,信頼上限関数を最大化する戦略を選択する.そして提案手法の有効性を数値シミュレーションにより確認する.
- 2011-02-26
著者
関連論文
- H_∞フィルタを用いた非最小位相系の独立成分分析(バイオサイバネティックス,ニューロコンピューティング)
- 状態空間モデルを用いた非線形独立成分分析
- 状態空間モデルを用いた非最小位相系の独立成分分析
- ガウス過程を用いたモンテカルロ碁における戦略獲得
- ガウス過程に基づくモンテカルロ碁(機械学習応用,テキスト・Webマイニング,一般)
- 変分ベイズ法に基づいた状態空間モデルのシステム同定