文献

J-GLOBAL ID：201002240063786970   整理番号：10A0967378

最小絶対値反復法-価値関数近似へのロバストアプローチ

Least Absolute Policy Iteration-A Robust Approach to Value Function Approximation

著者 (5件)： SUGIYAMA Masashi (Tokyo Inst. of Technol., Tokyo, JPN) ,  SUGIYAMA Masashi (JST-PRESTO, Tokyo, JPN) ,  HACHIYA Hirotaka (Tokyo Inst. of Technol., Tokyo, JPN) ,  KASHIMA Hisashi (Univ. of Tokyo, Tokyo, JPN) ,  MORIMURA Tetsuro (IBM Res.-Tokyo, Yamato-shi, JPN)
資料名： IEICE Transactions on Information and Systems (Institute of Electronics, Information and Communication Engineers)  (IEICE Transactions on Information and Systems (Institute of Electronics, Information and Communication Engineers))
巻： E93-D  号： 9  ページ： 2555-2565  発行年： 2010年09月01日 
JST資料番号： L1371A  ISSN： 0916-8532  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： 英語 (EN)

抄録/ポイント： 最小二乗ポリシーはロボット工学において,その計算効率から有用な強化学習法である。しかしながら,それは,観測された報酬における異常値に敏感である傾向がある。この論文では,著者らはロバスト性と信頼性を高めるための絶対損失を使う別法を提案する。提案方法は,標準の最適化ソフトウェアで効率的に解ける線形計画問題として定式化されるので,ロバスト性と信頼性を獲得するために計算上の利点が犠牲にされない。著者らは,シミュレートされたロボット制御タスクにより,提案方法の有用性を示す。(翻訳著者抄録)

シソーラス用語： 工学 ,  *強化学習 ,  最小二乗法 ,  逐次近似 ,  *線形計画法 ,  *ロバスト性 ,  *関数近似 ,  *制御 ,  異常値 ,  評価関数
準シソーラス用語： ロボット工学 ,  *ロボット制御

分類 (1件)： ロボットの運動・制御  (IC04012J)

引用文献 (33件)：

• [1] S. Amari, “Theory of adaptive pattern classifiers, ” IEEE Trans. Electronic Computers, vol.EC-16, no.3, pp.299-307, 1967.
• [2] C.W. Anderson, P.M. Young, J.N. Buehner, M. R. Knight, H.A. Bush, and D.C. Hittle, “Robust reinforcement learning control using integral quadratic constraints for recurrent neural networks, ” IEEE Trans. Neural Netw., vol.18, no.4, pp.993-1002, 2007.
• [3] P. Artzner, F. Delbaen, J.M. Eber, and D. Heath, “Coherent measures of risk, ” Mathematical Finance, vol.9, no.3, pp.203-228, 1999.
• [4] P.D. Bertsekas and J. Tsitsiklis, Neuro-Dynamic Programming, Athena Scientific, NH, USA, 1996.
• [5] S. Boyd and L. Vandenberghe, Convex Optimization, Cambridge University Press, Cambridge, 2004.

タイトルに関連する用語 (4件)： 絶対値 ,  反復法 ,  価値関数 ,  近似