WEKO3
アイテム
学習オートマトンを用いたQ-学習の高速化
https://ipsj.ixsq.nii.ac.jp/records/236318
https://ipsj.ixsq.nii.ac.jp/records/2363180da5da45-c950-4ce7-973c-0572b0d2113b
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z86-2X-08.pdf (266.6 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 | 学習オートマトンを用いたQ-学習の高速化 | |||||||||
| 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 | ||||||||||
| 松江高専 | ||||||||||
| 著者所属 | ||||||||||
| 松江高専 | ||||||||||
| 著者名 |
小山, 裕
× 小山, 裕
× 原, 元司
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | マルコフ決定過程における強化学習の代表例であるQ-学習は，各状態における行動を無限回選択する場合に，Q値が最適な値に概収束(確率1収束)することが証明されている．しかし，これまでにQ-学習で提案されている行動選択法では，最適行動の選択確率の収束特性について概収束よりも弱いε-最適(確率収束)の概念で学習性能が議論されている．これに対し，筆者らはある条件を満たした確率的環境下で最適となるβ-タイプ学習オートマトンをQ-学習の行動選択手法に導入した「LQ-学習」を提案する．ε-greedy法といった代表的な行動選択法によるQ-学習に対して，LQ-学習が優速であることを報告する． | |||||||||
| 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86回全国大会講演論文集 巻 2024, 号 1, p. 971-972, 発行日 2024-03-01 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
