文献

J-GLOBAL ID：201702235307796961   整理番号：17A1254098

種々の報酬分布への報酬推定の収束のない分散ベース学習分類器システムの適用【Powered by NICT】

Applying variance-based Learning Classifier System without Convergence of Reward Estimation into various Reward distribution

クリップ

著者 (4件)： Tatsumi Takato (The University of Electro-Communications, 1-5-1, Chofugaoka, Chofu-shi Tokyo, Japan) ,  Sato Hiroyuki (The University of Electro-Communications, 1-5-1, Chofugaoka, Chofu-shi Tokyo, Japan) ,  Kovacs Tim (University of Bristol, BS8 1TH, UK) ,  Takadama Keiki (The University of Electro-Communications, 1-5-1, Chofugaoka, Chofu-shi Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 2630-2637  発行年： 2017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： 本論文では,ノイズのある問題における分類器の一般化に焦点を当て,異なる型の雑音を含むいくつかの環境における最適解としての一般化正確に分類器を進化できることを学習分類器システム(LCS)を検討することであった。この目的のために,本論文では,ノイズのある問題でも正確あるいは不正確であるとして分類器を正しく同定できるX CS CRE(報酬推定の収束なしX CS)を採用しており,いくつかの雑音問題におけるその有効性を調べた。報酬値は(a)ガウス分布,(b)Cauchy分布,または(c)対数正規分布に従って変化する雑音性11マルチプレクサ問題に関する三LCS(すなわち,従来のLCSとしてX CS,著者らの以前のLCSとしてX CS SAC(自己適応精度基準を用いたX CS),およびX CS CRE)の集中的実験により,次の知見を明らかにした(1)X CS CREおよびX CS SACの分類器の正解率は全ての三種類の報酬分配の100%に収束するが,X CSのそれは100%に達することができない(2)X CS CREの個体群サイズは最小のX CS SACとX CSのそれが続く(3)X CS CREの得られた最適な分類器の割合は最高のX CS SACとX CSのそれが続いた。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： 個体群 ,  多重装置 ,  *学習 ,  正規分布 ,  雑音 ,  対数正規分布 ,  Cauchy分布 ,  最適解 ,  自己適応システム
準シソーラス用語： 正解率 ,  自己適応 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 報酬 ,  分布 ,  推定 ,  収束 ,  学習 ,  分類器