文献

J-GLOBAL ID：201102267194254640   整理番号：11A1936047

罰と報酬を用いる強化学習の失敗確率の伝播に関する研究

著者 (3件)： 村岡宏紀 (明治大) ,  宮崎和光 (大学評価・学位授与機構) ,  小林博明 (明治大)
資料名： 自動制御連合講演会(CD-ROM)  (自動制御連合講演会講演論文集(CD-ROM))
巻： 54th  ページ： ROMBUNNO.2E103  発行年： 2011年11月19日 
JST資料番号： F0989D  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本報告は罰と報酬を用いる強化学習において,新たに失敗確率の伝播法を提案しその有効性を確認する。学習の効率化を図るためには少ない試行数で罰ルールを発見し回避する事が有効である。そこで,失敗確率をルール上で伝播させる事によって,そのルールの将来失敗する確率を推定し,少ない試行数で罰ルールを発見する手法を提案し,迷路問題を用いたシミュレーションによってその有効性を示す。(著者抄録)

シソーラス用語： *工学 ,  *強化学習 ,  *学習 ,  *賃金 ,  確率 ,  シミュレーション
準シソーラス用語： *ロボット工学 ,  失敗 ,  *罰 ,  *報酬

分類 (1件)： ロボット工学一般  (IC04011S)

タイトルに関連する用語 (6件)： 報酬 ,  強化学習 ,  失敗 ,  確率 ,  伝播 ,  研究