線形可解マルコフ決定過程における受動的ダイナミクスのモデリングと推定(知的システム,一般)
スポンサーリンク
概要
- 論文の詳細を見る
Todorovにより,強化学習が簡単化されるマルコフ決定過程のクラスが提案されている.すなわち,特定の条件下では,最適行動選択のためのベルマン方程式が線形になり,最適な状態遷移確率が解析的に得られる.しかしながら,実問題に対して線形可解マルコフ決定過程の枠組みを適用するには,システムの受動ダイナミクスを知る必要がある.本研究では,強化学習においてシステムのダイナミクスを推定する方法を提案する.
- 2011-07-18
著者
-
池田 和司
奈良先端科学技術大学院大学
-
池田 和司
京都大学大学院情報学研究科システム科学専攻
-
池田 和司
奈良先端科学技術大学院大学情報科学研究科
-
池田 和司
金沢大学工学部電気・情報工学科
-
池田 和司
奈良先端科学技術大学院大学 情報科学研究科 情報生命科学専攻
-
ブルデリス マウリシオ
奈良先端科学技術大学院大学情報科学研究科
関連論文
- ヒト皮質脳波からの黙読母音の判別に関する研究 (ニューロコンピューティング)
- 階層ベイズ法を用いたNIRS-DOTの逆問題解法とその相図 (ニューロコンピューティング)
- 階層変分ベイズ法によるNIRS-DOTの逆問題解法 (ニューロコンピューティング)
- マルチキャリア変調のためのAF協調ダイバーシチ法とアウテージ解析(自律・分散・協調システム,自律・分散・協調システム,一般)
- ヒト皮質脳波からの黙読単語推定に関する研究(BCI/BMIとその周辺)
- 遺伝的アルゴリズムにおける平均最短距離の導出 (生命現象と関連した非線形問題の数理)
- 遺伝的アルゴリズムのネットワーク的性質(スパイク信号の統計解析、一般)
- 運動する複数物体に対するゴール指向の顕在的注意制御
- Information divergences in local variational approximation of Bayesian posterior distribution (ニューロコンピューティング)
- F_041 マルコフ決定過程に基づくマルチエージェントシステムの漸近的性質(F分野:人工知能・ゲーム)
- 多項式カーネル法の汎化誤差解析 : 代数幾何的アプローチ
- 研究発表講演会SCI'10を開催して(学会活動)
- ADS-1-5 長期の動線データを用いた集団活動の特徴抽出(ADS-1.信号処理のための機械学習,シンポジウムセッション)
- ADS-1-5 長期の動線データを用いた集団活動の特徴抽出(ADS-1. 信号処理のための機械学習,シンポジウムセッション)
- 神経回路網への展開--サポートベクトルマシンの学習曲線 (特集 統計科学の最前線--新しい情報科学への技術と手法)
- 学習理論, 高橋治久・堀田一弘著, 出版社コロナ社, 発行2009年11月, 全ページ215頁, 価格3,000円, ISBN978-4-339-02443-2
- ブレーキ時系列モデリングによるドライバの運転状況推定(脳活動の計測と解析,生命現象の非線形性,一般)
- 空間的注意の広がりとしての同オブジェクト効果の解釈(脳活動の計測と解析,生命現象の非線形性,一般)
- ADS-1-6 漫然運転防止のためのドライバのブレーキ予測(ADS-1.信号処理のための機械学習,シンポジウムセッション)
- ADS-1-6 漫然運転防止のためのドライバのブレーキ予測(ADS-1. 信号処理のための機械学習,シンポジウムセッション)
- D-2-5 競争パラダイムにおける物体注意切り替え(D-2. ニューロコンピューティング,一般セッション)
- ヒト皮質脳波からの黙読母音の判別に関する研究(脳活動の計測と解析,一般)
- 階層ベイズ法を用いたNIRS-DOTの逆問題解法とその相図(脳活動の計測と解析,一般)
- 自発発火活動の時間相関による遅延活動期間の情報保持性能の潜在的表現(脳活動の計測と解析,一般)
- ブレーキ時系列モデリングによるドライバの運転状況推定(脳活動の計測と解析,生命現象の非線形性,一般)
- 強化学習の収益最大化における漸近等分割性の役割
- マルチエージェント強化学習におけるエージェント間の制約の影響について(学習理論)
- 空間的注意の広がりとしての同オブジェクト効果の解釈(脳活動の計測と解析,生命現象の非線形性,一般)
- 階層変分べイズ法によるNIRS-DOTの逆問題解法
- 経験尤度を用いた統計量推定法とその性質(一般,生物模倣情報処理,機械学習,一般)
- 判別分析の幾何的解釈と楽器特徴抽出法の考察(ポスターセッション,ネットワーク,通信のための信号処理及び一般)
- 判別分析の幾何的解釈と楽器特徴抽出法の考察(ポスターセッション,ネットワーク,通信のための信号処理及び一般)
- 行列因子化の混合モデルへの拡張と映画レーティング予測への応用(一般,生物模倣情報処理,機械学習,一般)
- 判別分析の幾何的解釈と楽器特徴抽出法の考察(ポスターセッション,ネットワーク,通信のための信号処理及び一般)
- 判別分析の幾何的解釈と楽器特徴抽出への適用
- 事後分布の局所変分近似における分布間の情報量について
- 忘却係数を持つサポートベクトルマシンの統計的解析
- 漫然運転検出のための適応的ブレーキ警報システムの開発 (特集 快適・利便)
- NIRSを用いた基礎的なドラム演奏時における熟達者-非熟達者間の脳活動比較(BCI/BMIその周辺,一般)
- 脳波信号からの直感発生検出に関するBCI研究(BCI/BMIその周辺,一般)
- 情報幾何学の観点からみた準加法的アルゴリズム
- 日本神経回路学会の未来
- 統計的手法を用いた学習機械の解析 (生命現象と関連した非線形問題の数理)
- サポートベクトルマシンの学習曲線
- カーネル関数の性質とν-SVM解の関係
- 強化学習の収益最大化における漸近等分割性の役割
- スパイクニューロンにおけるインタースパイクインタバルの情報幾何
- スパイクニューロンにおけるインタースパイクインタバルの情報幾何
- EMアルゴリズムを用いた確率的通信路に対する適応等化法
- ソフトマージンを持つサポートベクトルマシンの漸近的統計的解析
- 典型系列を使った強化学習の解析
- D-2-1 L_pノルムを用いたサポート・ベクトル・マシンの学習特性(D-2. ニューロコンピューティング)
- 強化学習における漸近等分割性について
- D-8-15 ランドマークの大きざを考慮した視覚移動ロボットのためのベイズ経路計画法(D-8.人工知能と知識処理,一般セッション)
- 判別分析の幾何的解釈と楽器特徴抽出法の考察
- 判別分析の幾何的解釈と楽器特徴抽出法の考察
- D-2-4 表情識別時と個体識別時の眼球運動の差異(D-2.ニューロコンピューティング,一般セッション)
- D-12-45 ロボットによる道具身体化モデル(D-12.パターン認識・メディア理解,一般セッション)
- A-4-28 付加的計測を用いたネットワークトモグラフィ(A-4.信号処理,一般セッション)
- 運転状況を推定し学習データを選択する適応的ブレーキ警報システム
- 線形可解マルコフ決定過程における受動的ダイナミクスのモデリングと推定(知的システム,一般)
- ブレグマン情報量を用いたベイズ学習の局所変分近似(知的システム,一般)
- Virtual Fitting Room に向けた実画像・深度画像を用いた衣服の特性推定
- 細胞形態を反映した階層ベイズ法による細胞の力推定法
- AK-2 電力問題へのさまざまなアプローチ(AK-2.電力問題へのさまざまなアプローチ,ソサイエティ特別企画,ソサイエティ企画)
- D-2-5 ノイズあり教師によるパーセプトロン学習の漸近解析(D-2.ニューロコンピューティング,一般セッション)
- D-7-9 細胞形態の定量化のためのShape Contextの応用(D-7.MEとバイオサイバネティックスA,一般セッション)
- D-7-8 力学過程を介した細胞形態制御の定量数理モデル(D-7.MEとバイオサイバネティックスA,一般セッション)
- サンプル間の相関を考慮した主成分分析とカーネル関数による共分散行列の推定(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 補助変数法に対する適応的マルコフ連鎖モンテカルロ法とその変換モンテカルロ法への応用(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 不快音圧レベル推定のための純音ペア刺激に対する誘発電位の特徴量分析(一般,複雑系とニューロコンピューティング)
- 運転状況を推定し学習データを選択する適応的ブレーキ警報システム
- 補助変数法に対する適応的マルコフ連鎖モンテカルロ法とその交換モンテカルロ法への応用
- アクティブ計測とパッシブ計測を用いたパケット損失率推定法(行列分解,応用,統計推理,データベース,一般)
- スペクトルのシフト不変性と音響経路の周波数特性推定に基づく音楽音響信号の音高・発音時刻推定(音楽情報処理)
- サンプル間の相関を考慮した主成分分析とカーネル関数による共分散行列の推定
- 不快音圧レベル推定のための純音ペア刺激に対する誘発電位の特徴量分析
- 細胞形態を反映した階層ベイズ法による細胞の力推定法(合同企画セッション:バイオデータマイニング,機械学習によるバイオデータマインニング,一般)
- Virtual Fitting Roomに向けた実画像・深度画像を用いた衣服の特性推定(合同企画セッション:バイオデータマイニング,機械学習によるバイオデータマインニング,一般)
- A-12-1 多目的最適化におけるパレート解集合の完全導出確率(A-12.システム数理と応用,一般セッション)
- 確率モデルを用いたテンソル因子化法 (次世代計算科学の基盤技術とその展開)
- 抽象画嗜好判断時における熟達者・非熟達者の視点分布の相違
- ベイジアン変数選択における効率的なサンプリング法(第15回情報論的学習理論ワークショップ)
- 言語野における音読と黙読の類似性について(BCI/BMIとその周辺,一般)
- 脳情報解析およびバイオインフォマティクスにおけるスパース信号処理 (ウェーブレット解析とサンプリング理論)
- NIRSを用いた基礎的なドラム演奏の熟達に伴う皮質活動変化の調査
- 重要酵素同定のためのクラスタリング手法
- 運転行動予測に向けた運転操作時系列データへのノンパラメトリックベイズ法の適用(ネットワークプロセッサ,通信のための信号処理,無線LAN/PAN,一般)
- D-2-4 ライフログからの研究者の知的生産性に関わる特徴抽出(D-2.ニューロコンピューティング)
- 運転行動予測に向けた運転操作時系列データへのノンパラメトリックベイズ法の適用(ネットワークプロセッサ,通信のための信号処理,無線LAN/PAN,一般)
- 運転行動予測に向けた運転操作時系列データへのノンパラメトリックベイズ法の適用(ネットワークプロセッサ,通信のための信号処理,無線LAN/PAN,一般)
- D-2-3 インステップキック運動における動的作業方向動作精度の解析(D-2.ニューロコンピューティング)
- マカクザルにおける統計的単語分割に関する神経相関の特定(機械学習によるバイオデータマインニング,一般)
- 簡便な運転シミュレータを用いた運転熟練者と非熟練者の行動差異に関する研究(機械学習によるバイオデータマインニング,一般)
- 軸索伸長に関わる主要酵素推定(機械学習によるバイオデータマインニング,一般)
- 局所脳冷却のてんかん発作抑制メカニズムの解明に向けたシミュレーション(機械学習によるバイオデータマインニング,一般)
- 多目的最適化におけるパレート集合の再構成法(基礎信号処理,画像処理技術,一般(音声音響・通信・学習・実現システム・基礎等))
- スペクトルのシフト不変性と音響経路の周波数特性推定に基づく音楽音響信号の音高・発音時刻推定
- 細胞形態を反映した階層ベイズ法による細胞の力推定法
- 抽象画嗜好判断時における熟達者・非熟達者の視点分布の相違