報酬を考慮した主成分分析を用いた雑音環境下での波形認識(一般及び雑音を有効利用する神経系やそのモデル)
スポンサーリンク
概要
- 論文の詳細を見る
報酬を考慮した主成分分析(RWPCA)を用いて,雑音を除去し冗長な情報を圧縮する線形フィルタを設計した.RWPCAは,まず,報酬と状態変数に対して回帰分析を行い,状態変数の重要度を計算する.その後,重要度により重み付けされた状態変数に対して主成分分析を行い,報酬を考慮した主軸行列を構築する.RWPCAにより得られた主軸行列を用いることで,状態変数を圧縮するだけでなく,学習に悪影響を与える雑音を状態変数から取り除く事が可能となる.RWPCAを適用した強化学習により,雑音環境下における波形認識を行い,RWPCAの効果を確認した.
- 社団法人電子情報通信学会の論文
- 2011-01-17
著者
-
佐藤 仁樹
公立はこだて未来大学システム情報科学部
-
佐藤 仁樹
公立はこだて未来大学システム情報科学部情報アーキテクチャ学科
-
佐藤 仁樹
公立はこだて未来大学システム情報科学研究科
-
長島 健史
公立はこだて未来大学システム情報科学研究科
-
佐藤 仁樹
公立はこだて未来大学
-
佐藤 仁樹
現在,公立はこだて未来大学システム情報科学研究科
関連論文
- Schrodinger-type equation for nonlinear optimization and its application to global optimization (非線形問題)
- モーメントベクトル方程式に基づく多粒子系の解析
- モーメントベクトル空間における空間埋め込み方程式を用いた高次元非線形システムの解析
- 強化学習を用いた高次元非線形時系列予測
- 非線形最適化に関するシュレディンガー型方程式と大域的最適化への応用
- 非線形方程式の近似および統計量の解析 : モーメントベクトル方程式に基づく方法
- 線形ベクトル空間におけるロジスティック写像の統計解析
- 高次元行動空間における強化学習 : 主成分分析による行動空間圧縮(非線形制御,一般)
- 強化学習に基づく非線形アプローチによるロバストルーチング
- 関数近似のための特徴空間の構築と強化学習への応用(一般,制御システムとダイナミックス)
- 関数近似のための特徴空間の構築と強化学習への応用
- 高次元連続状態空間における強化学習 : 多変量解析による状態空間の圧縮
- 確率的連続行動の強化学習 : 直交関数展開による確率密度関数の近似
- 波動係数方程式に基づく大域的最適化(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)
- リアルタイム可変レート動画通信システムの符号化パラメータ制御(画像)
- インターネットにおける非線形フィードバック制御の近似解析
- インターネットにおける非線形フィードバック制御の近似解析
- モーメントベクトル方程式の固有値解析に基づく大域結合写像の構造解析(一般及び雑音を有効利用する神経系やそのモデル)
- モーメントベクトル方程式の固有値解析に基づく大域結合写像の構造解析(一般及び雑音を有効利用する神経系やそのモデル)
- 報酬を考慮した主成分分析を用いた雑音環境下での波形認識(一般及び雑音を有効利用する神経系やそのモデル)
- 報酬を考慮した主成分分析を用いた雑音環境下での波形認識(一般及び雑音を有効利用する神経系やそのモデル)
- 画像データの学習クラスタリング
- 画像データの学習クラスタリング
- 遺伝的アルゴリズムを用いた基底関数構築と非線形時系列予測
- 大3-1 オープンな学習環境における活動経験と管理システムの効果(教授・学習,口頭発表)
- 非線形時系列予測のための基底関数構築(テーマセッション,大規模データベースとパターン認識)