WEKO3
アイテム
時系列データを対象とするDeep RecurrentQ-Networkへの学習時間軽減を目的としたQuasi-Recurrent Neural Networkの導入
https://ipsj.ixsq.nii.ac.jp/records/220958
https://ipsj.ixsq.nii.ac.jp/records/220958fd487dad-929c-4be7-bdfc-84a7d16fc8d1
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z84-5S-04.pdf (426.6 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 | 時系列データを対象とするDeep RecurrentQ-Networkへの学習時間軽減を目的としたQuasi-Recurrent Neural Networkの導入 | |||||||||
| 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 | ||||||||||
| 千葉工大 | ||||||||||
| 著者所属 | ||||||||||
| 千葉工大 | ||||||||||
| 著者名 |
仁科, 京介
× 仁科, 京介
× 藤田, 茂
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 時系列データを扱える深層強化学習では部分観測マルコフ決定過程に対応できる．例えば，Deep Recurrent Q-Network（DRQN）ではLong-Short Term Memory（LSTM）を使用している．しかし，LSTMは1つ前のタイムステップの情報をもとに計算を行うために，学習に時間がかかるという課題がある．そこで本研究では，DRQNの画像処理層を変更してQuasai-Recurrent Neural Networkを導入し，学習時間の軽減を図った．評価実験では，Atari57（OpenAIGym）の一部ゲームを疑似的に部分観測マルコフ決定過程に変更したものを用いた． | |||||||||
| 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. 429-430, 発行日 2022-02-17 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
