文献

J-GLOBAL ID：201702289633968619   整理番号：17A0213376

強化学習における価値関数近似のための特別な基底関数の設計による環境の対称性の統合【Powered by NICT】

Integrating symmetry of environment by designing special basis functions for value function approximation in reinforcement learning

著者 (4件)： Wang Guo-fang (School of Aeronautics and Astronautics, Zhejiang University, ZJU Hangzhou, China) ,  Fang Zhou (School of Aeronautics and Astronautics, Zhejiang University, ZJU Hangzhou, China) ,  Li Bo (School of Aeronautics and Astronautics, Zhejiang University, ZJU Hangzhou, China) ,  Li Ping (Department of Control Science and Engineering, Zhejiang University, ZJU, Hangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICARCV  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 強化学習(RL)は通常,白紙状態学習と見なされており,エージェントは環境をランダムにする必要があるので,時間がかかるとデータ非効率性が実際の応用からRLを妨げる可能性がある。学習速度を加速し,データ効率を改善するために,本論文では,無限状態空間への有限状態空間から対称性定義を拡大し,大きなあるいは無限状態空間のための環境に関する対称性の事前知識を統合する価値関数近似のための特殊型対称基底関数の設計を提案した。その後,例として,この特別な近似構造を最小二乗ポリシー反復法(LSPI)の政策評価相,対称LSPI(S LSPI)と呼ぶに取り込まれ,収束特性を解析した。鎖歩行と倒立振子平衡のシミュレーション結果は,規則的なLSPI(R LSPI)とは対照的に,S LSPIの収束速度が大幅に増加し,計算負荷は顕著に減少し同時にことを実証した。対称性の性質を非常に良く対称基底関数の使用を説明し,事例研究として,環境の対称性を統合RL剤に有望であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最小二乗法 ,  *対称性 ,  倒立振り子 ,  *強化学習 ,  事例研究 ,  *学習 ,  *関数近似 ,  エージェント ,  *近似法 ,  *基底関数
準シソーラス用語： 計算負荷 ,  収束速度 ,  事前知識 ,  状態空間 ,  学習速度 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 強化学習 ,  価値関数 ,  近似 ,  基底関数 ,  設計 ,  環境 ,  対称性 ,  統合