WEKO3
アイテム
POMDPs環境のためのDeep Q-Networkの有効性の検証と改善
https://ipsj.ixsq.nii.ac.jp/records/220917
https://ipsj.ixsq.nii.ac.jp/records/220917ae014726-0fca-4fa2-9a01-1bd1a58c91ac
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z84-6R-01.pdf (202.5 kB)
|
Copyright (c) 2022 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-02-17 | |||||||||
| タイトル | ||||||||||
| タイトル | POMDPs環境のためのDeep Q-Networkの有効性の検証と改善 | |||||||||
| 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 |
片岡, 大喜
× 片岡, 大喜
× 長名, 優子
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Deep Q-Networkでは、部分観測マルコフ（POMDPs）環境では適切に学習が行えない可能性がある。それに対し、POMDPs環境のためのDeep Q-Networkが提案されている。この手法は、入力として用いる観測の長さが異なる複数のDeep Q-Networkを用いる手法である。通常は4フレーム分の観測を入力とするDeep Q-Networkで出力された行動価値に基づいて行動選択を行うが、観測が不完全知覚状態であると判断された場合には8フレーム分の観測を入力とするDeep Q-Networkで出力された行動価値に基づいて行動選択を行う。不完全知覚状態であるかどうかの判定は観測ごとの行動の決定度と学習開始時からのステップ数を用いて行う。この手法では、4, 8フレーム分の観測を利用しているが、何フレーム分の観測を用いるのが適切であるかの検討が行われていない。本研究では、POMDPs環境のためのDeep Q-Networkにおいて、不完全知覚状態であると判断された際に用いるフレーム数などについて検討を行い、その結果について報告する。 | |||||||||
| 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84回全国大会講演論文集 巻 2022, 号 1, p. 345-346, 発行日 2022-02-17 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
