文献

J-GLOBAL ID：201002233206454102   整理番号：10A0433299

進化型モジュールネットワークとモジュール型強化学習を用いた階層型アーキテクチャ

Hierarchical Architecture with Evolving Modular Network and Modular Reinforcement Learning

著者 (2件)： 金源直幸 (九州工大 大学院生命体工学研究科) ,  石川眞澄 (九州工大 大学院生命体工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 461(NC2009 87-175)  ページ： 143-148  発行年： 2010年03月02日 
JST資料番号： S0532B  ISSN： 0913-5685  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： 様々な環境の特性を学習してモデル化する特性学習層と,その特性に応じた最適な行動価値関数を学習する強化学習層で構成された,階層型アーキテクチャを提案する。特性学習層は,SEEM(SElf-Evolving Modular network)を用いて,入力・教師信号対をネットワークに学習させその特性をモデル化する。強化学習層で対応するモジュールはQ学習を用いて将来の累積報酬が最大となるように訓練される。未学習の入力に対しての行動価値関数は,モジュール出力の誤差に基づいて出力内挿によって求める。テストベッドとして追跡逃避問題を用いて,本手法を適用し,未学習の特性に対して,適切な行動および行動価値関数を生成することを実証した。(著者抄録)

シソーラス用語： 生物進化 ,  *強化学習 ,  *階層構造 ,  学習モデル ,  評価関数 ,  *ネットワークアーキテクチャ ,  *追跡 ,  *逃避 ,  シミュレーション
準シソーラス用語： SEEM ,  価値関数

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (9件)：

• SUTTON, R. S. Reinforcement Learning : An Introducation. 1998
• KOHONEN, T. Self-organizing formation of topologically correct feature maps. Biological Cybernetics. 1982, 43, 59-69
• 徳永憲洋. 関数空間型SOM. 日本神経回路学会. 2005, 12, 1, 39-51
• DENG, Da. Online pattern analysis by evolving self-organising maps. Neurocomputing. 2003, 51, 87-103
• 川畑宣之. 自己進化する新しいモジュラーネットワークの提案. IEICE technical report. Neurocomputing. 2008, 107, 413, 141-146

タイトルに関連する用語 (5件)： 進化 ,  モジュール ,  強化学習 ,  階層 ,  アーキテクチャ