文献

J-GLOBAL ID：201202214845735767   整理番号：12A0748580

コンピュータ大貧民に対する差分学習法の応用

Application of Tempolal Difference Learning to Computer Daihinmin

著者 (5件)： 小沼啓 (電通大 大学院情報理工学研究科) ,  本多武尊 (理研 脳科学総合研究セ) ,  本多武尊 (日本学術振興会) ,  保木邦仁 (電通大 先端領域教育研究セ) ,  西野哲朗 (電通大 大学院情報理工学研究科)
資料名： 情報処理学会研究報告(CD-ROM)
巻： 2011  号： 6  ページ： ROMBUNNO.GI-27,NO.1  発行年： 2012年04月15日 
JST資料番号： Z0031C  ISSN： 2186-2583  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： 近年,コンピュータ大貧民においてモンテカルロ法(MC法)が注目されている。この方法は強化学習における主要な一手法であり,疑似乱数を用いて多様なプレイアウトを行い,ゲーム終了時点での成績を統計処理して予測精度を向上させる。本研究では,終了時点での成績だけではなく,プレイアウト途中の優劣評価も利用したMC法の性能改善を目指す。提案手法は,遠い未来の影響は減じた統計処理により予測精度を向上させる。これは,強化学習の分野で成功を収めているTemporal difference(TD)学習から得た着想である。我々はこのアルゴリズムに基づく実装を開発し,第6回UECコンピュータ大貧民大会(UECda-2011)で優勝した。(著者抄録)

シソーラス用語： *ゲーム ,  *モンテカルロ法 ,  精度 ,  システム評価 ,  *強化学習 ,  学習アルゴリズム ,  実装設計 ,  コンクール
準シソーラス用語： TD学習 ,  *コンピュータ大貧民 ,  予測精度

分類 (3件)： 趣味娯楽用品  (ZB05000L) ,  システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： コンピュータ ,  差分 ,  応用