文献

J-GLOBAL ID：201702262754135899   整理番号：17A1624769

Gauss過程を用いた連続時間Markov決定過程における政策学習【Powered by NICT】

Policy learning in continuous-time Markov decision processes using Gaussian Processes

著者 (8件)： Bartocci Ezio (Faculty of Informatics, Vienna University of Technology, Austria) ,  Bortolussi Luca (Department of Maths and Geosciences, University of Trieste, Italy) ,  Bortolussi Luca (CNR/ISTI, Pisa, Italy) ,  Bortolussi Luca (Modelling and Simulation Group, Saarland University, Germany) ,  Brazdil Tomas (Faculty of Informatics, Masaryk University, Czech Republic) ,  Milios Dimitrios (School of Informatics, University of Edinburgh, UK) ,  Sanguinetti Guido (School of Informatics, University of Edinburgh, UK) ,  Sanguinetti Guido (SynthSys, Centre for Synthetic and Systems Biology, University of Edinburgh, UK)
資料名： Performance Evaluation  (Performance Evaluation)
巻： 116  ページ： 84-100  発行年： 2017年 
JST資料番号： C0647B  ISSN： 0166-5316  CODEN： PEEVD9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 連続時間Markov決定過程は,広い範囲の応用,サイバー物理システムに対する個体群の制御の範囲で政策決定問題を解くための非常に強力な数学的フレームワークを提供した。これらのモデルを解くために鍵となる問題は,時相論理仕様のセットを満足させる確率を最大化するためにシステムを制御するための最適政策を効率的に計算することである。ここでは,統計的モデル検査に基づく新しい方法と可能な政策の空間における傾斜機能の不偏推定を導入した。提案アプローチでは,離散化手法に基づく古典的な方法に比べていくつかの利点を示し,ブラックボックスで置き換えることができることをモデルの事前知識を仮定しないと,状態空間爆発の影響を受けない。探索を導く大幅に確率的モーメントベースの勾配上昇アルゴリズムの使用は学習政策の効率を改善し,運動量項を用いて収束を加速した。非線形ポピュレーションモデル二例の上で提案アプローチの強力な性能を示さない:永久的な回復と疫学モデルと非決定性選択を有する待ち行列システム。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *Gauss過程 ,  不偏推定 ,  個体群 ,  モデル検査 ,  時間論理 ,  *学習 ,  *連続時間系 ,  ブラックボックス ,  非決定性 ,  アルゴリズム
準シソーラス用語： 状態空間 ,  事前知識 ,  離散化 ,  政策決定 ,  *Markov決定過程 , 【Automatic Indexing@JST】

著者キーワード (4件)： 連続時間Markov決定過程 ,  Gauss過程 ,  機械学習 ,  政策学習

分類 (3件)： システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S) ,  CAD,CAM  (JE10000A)

タイトルに関連する用語 (5件)： Gauss過程 ,  連続時間 ,  Markov決定過程 ,  政策 ,  学習