WEKO3
アイテム
複数のモデルから適したモデルを選択し実行する強化学習機構の提案
https://ipsj.ixsq.nii.ac.jp/records/214976
https://ipsj.ixsq.nii.ac.jp/records/2149766786dc9e-74c7-4777-8422-899c8a502fe1
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z83-1Q-06.pdf (481.9 kB)
|
Copyright (c) 2021 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2021-03-04 | |||||||||
| タイトル | ||||||||||
| タイトル | 複数のモデルから適したモデルを選択し実行する強化学習機構の提案 | |||||||||
| 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 | ||||||||||
| 東京工科大 | ||||||||||
| 著者所属 | ||||||||||
| 東京工科大 | ||||||||||
| 著者名 |
江平, 凌太
× 江平, 凌太
× 田胡, 和哉
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 強化学習において、報酬が疎な環境で学習を効率的に行うことは未だ難しい課題であり、現実世界のタスクに対して強化学習を応用する事例が限られる理由にもなっている。本研究では、複数の学習済みモデルから適切なモデルを選択して順に実行することで、報酬が疎な環境においても効率的に報酬を得られるモデルを獲得する機構を提案する。ロボットが特定の段階を踏んだ行動をすることで報酬を得られる環境を用いて、異なる報酬関数から得られた複数のモデルから実行順序を獲得する機構を作成し、単一の報酬関数を用いた学習と比較して効果を測定することで、効率的な学習が可能であることを示す。 | |||||||||
| 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83回全国大会講演論文集 巻 2021, 号 1, p. 349-350, 発行日 2021-03-04 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
