WEKO3
アイテム
負の報酬を獲得する状況を重視したDeep Q-Networkにおける状況判別方法の提案
https://ipsj.ixsq.nii.ac.jp/records/236317
https://ipsj.ixsq.nii.ac.jp/records/236317ec9f160b-fe55-4337-aeae-30111e97fe6c
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z86-2X-07.pdf (320.0 kB)
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-03-01 | |||||||||
| タイトル | ||||||||||
| タイトル | 負の報酬を獲得する状況を重視したDeep Q-Networkにおける状況判別方法の提案 | |||||||||
| 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 |
飯島, 大貴
× 飯島, 大貴
× 長名, 優子
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本研究では、負の報酬を獲得する状況を重視したDeep Q-Networkにおいて状況判別を行う方法を提案する。負の報酬を獲得する状況を重視したDeepQ-Networkでは、行動価値を負の報酬を獲得する可能性のある状況とそれ以外の状態に分けて学習を行う。それぞれの状況における価値を別々に学習することで、負の報酬を獲得する状況を重視した学習や行動を行うことが可能になる。負の報酬を獲得しないことが重要な問題において、正の報酬を最大化することのみを重視した方法よりも有効であり、障害物回避問題などにおいて効力を発揮することが期待できる。負の報酬を獲得する可能性があるかの状況判断は、学習開始時にはすべて0に設定しておき、負の報酬を獲得するという経験をした時点で可能性があることを意味する1に変更する。提案手法ではRandomNetwork Distillationで未知の状態の判別に使用されている方法を利用して判定を行う。 | |||||||||
| 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86回全国大会講演論文集 巻 2024, 号 1, p. 969-970, 発行日 2024-03-01 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
