抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
学習分類子システム(LCS)は,生物の進化と学習の概念を取り入れた環境適応システムで,強化学習と遺伝的アルゴリズムからなる。LCSは最適な分類子集団を学習することで,環境内の各状態に対して獲得報酬を最大化する適切な行動を選択できる。雑音環境下において最適な分類子の獲得を促進すべく,許容誤差を自己適応可能な学習分類子システム(XCS-SAC)を提案した。分類子のパラメータとして許容誤差を加えることで,異なる状態ごとに異なる雑音強度に対して適切な許容誤差を設定できるフレームワークを導入した。さらに,獲得報酬の標準偏差を元に正確な分類子を識別する方法を提案した。ベンチマーク問題である6-Multiplexer問題にガウス雑音とAlternative雑音を加え,雑音環境下における提案手法の性能を評価した。その結果,1)標準偏差を考慮した正確な分類子識別法は,従来の報酬予測誤差に基づく識別法より高い精度で正確な分類子を識別できる,2)XCSの機構である包摂を促進することによって,分類子を削減できることがわかった。