マルコフ決定過程システム環境下における方策パラメータを更新するための方法、並びに、その制御器及び制御プログラム

発明者： , ,
出願人/特許権者：
代理人 (5件)：上野剛史 , 太佐種一 , 市位嘉宏 , 松井光夫 , 村上博司
公報種別：公開公報
出願番号（国際出願番号）：特願2012-116440
公開番号（公開出願番号）：特開2013-242761
出願日： 2012年05月22日
公開日（公表日）： 2013年12月05日
要約：

【課題】本発明は、不必要な混合時間の増加を抑えながら、意思決定モデルを学習する機能を実現することを目的とする。【解決手段】本発明は、マルコフ決定過程システム環境下における方策を規定するパラメータ(方策パラメータ)を更新するための技法であって、当該技法は、第1の状態(s)から第2の状態(s’)に初めて状態遷移するために必要なステップ数(到達時間)の統計量(期待到達時間関数)の第1の状態(s)と第2の状態(s’)についての重み付け和(重み付け期待到達時間和)を減少させる項を有する更新式に従って、上記方策パラメータを更新することを特徴とする上記技法を提供する。【選択図】図4A

請求項（抜粋）：

マルコフ決定過程システム環境下における方策を規定するパラメータ(以下、「方策パラメータ」という)を更新するための方法であって、制御器が、第1の状態(s)から第2の状態(s’)に初めて状態遷移するために必要なステップ数(以下、「到達時間」という)の統計量(以下、「期待到達時間」という)の第1の状態(s)と第2の状態(s’)についての重み付け和(以下、「重み付け期待到達時間和」という)を減少させる項を有する更新式に従って、前記制御器の記憶部上に格納された前記方策パラメータを更新するステップを実行することを含む、前記方法。

IPC (3件)：

G06N 3/00 , G06N 5/04 , G05B 13/02

FI (3件)：

G06N3/00 550E , G06N5/04 550J , G05B13/02 L

Fターム (8件)：

5H004GA02 , 5H004GA17 , 5H004GA18 , 5H004GB11 , 5H004GB16 , 5H004KD61 , 5H004LA12 , 5H004MA36

前のページに戻る