WEKO3
アイテム
弱教示的強化学習における探索割合の自律調整
https://ipsj.ixsq.nii.ac.jp/records/205393
https://ipsj.ixsq.nii.ac.jp/records/20539334c4f040-c2bc-446d-9779-6c32ec5fd080
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z82-4U-05.pdf (345.8 kB)
|
Copyright (c) 2020 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2020-02-20 | |||||||||||
| タイトル | ||||||||||||
| タイトル | 弱教示的強化学習における探索割合の自律調整 | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| キーワード | ||||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | 人工知能と認知科学 | |||||||||||
| 資源タイプ | ||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||||
| 資源タイプ | conference paper | |||||||||||
| 著者所属 | ||||||||||||
| 電機大 | ||||||||||||
| 著者所属 | ||||||||||||
| 電機大 | ||||||||||||
| 著者所属 | ||||||||||||
| 電機大 | ||||||||||||
| 著者名 |
佐鳥, 玖仁朗
× 佐鳥, 玖仁朗
× 神谷, 匠
× 高橋, 達二
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | 強化学習には環境の探索と知識活用のトレードオフが存在する．その自律的調整を行う手法として，人間の認知的性質を用いたリスク考慮を行う満足化価値関数（RS）が提案された．RSは評価を非満足（不正解）と満足（正解）として教示的に変換するため，弱教示的に学習する．また，RSはバンディット問題においてその最適性が証明されており，最近ではRSの強化学習への汎化手法として大局基準変換法（GRC）が考案されている．しかし，GRCには方策の探索性を司るハイパーパラメータ ζ があり，その調整は難しい．そこで本研究では ζ を必要としないGRCrを提案する．また実験を通して強化学習タスクへの広い適用可能性を示す． | |||||||||||
| 書誌レコードID | ||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||
| 収録物識別子 | AN00349328 | |||||||||||
| 書誌情報 |
第82回全国大会講演論文集 巻 2020, 号 1, p. 557-558, 発行日 2020-02-20 |
|||||||||||
| 出版者 | ||||||||||||
| 言語 | ja | |||||||||||
| 出版者 | 情報処理学会 | |||||||||||
