文献

J-GLOBAL ID：200902236966881769   整理番号：09A0138847

関数近似手法を用いた強化学習アルゴリズム

著者 (4件)： 釜谷博行 (八戸工高専) ,  藤村敦子 (フェニックスエンジニアリング) ,  工藤憲昌 (八戸工高専) ,  阿部健一 (日本大 工)
資料名： 八戸工業高等専門学校紀要
号： 43  ページ： 23-27  発行年： 2008年12月17日 
JST資料番号： S0436A  ISSN： 0385-4124  資料種別： 逐次刊行物 (A)
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： 未知環境においてロボットに行動を獲得させる手法として,強化学習が注目されている。強化学習を多種多様なセンサ類を有するロボットに適用する場合,センサ情報から直接状態を表現すると状態空間が連続となり,制御規則の探索に要する時間が大きくなるという問題が発生する。この問題へのアプローチとして,関数近似を用いる方法が提案されていることを踏まえて,本稿では,関数近似手法として,多変量回帰手法の一種であるLWPLS(Locally Weighted Partial Least Square:局所重み付き部分最小二乗法)を用いて価値関数を表現し,これを強化学習に組み込んだ新しいアルゴリズムを提案した。具体的には,強化学習,関数近似,学習アルゴリズムについて説明し,学習問題として,移動ロボットのナビゲーション問題を取り上げ,シミュレーション実験によって,1)状態を離散化した場合との比較,2)各パラメータに対する学習性能の比較,3)学習性能の改善,等について報告した。

シソーラス用語： *強化学習 ,  試行錯誤学習 ,  *学習アルゴリズム ,  学習モデル ,  知能ロボット ,  移動ロボット ,  *関数近似 ,  部分最小二乗法 ,  評価関数 ,  機械学習 ,  Q値 ,  計算機シミュレーション ,  性能評価
準シソーラス用語： ナビゲーション【ロボット】 ,  価値関数

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 関数 ,  近似手法 ,  強化 ,  学習アルゴリズム