文献

J-GLOBAL ID：201702279322201321   整理番号：17A1257587

工業用ベンチマークに関するバッチ強化学習:最初の経験【Powered by NICT】

Batch reinforcement learning on the industrial benchmark: First experiences

著者 (6件)： Hein Daniel (Technische Universitaet Muenchen, Department of Informatics, Boltzmannstr. 3, 85748 Garching, Germany) ,  Udluft Steffen (Siemens AG, Corporate Technology, Otto-Hahn-Ring 6, 81739 Munich, Germany) ,  Tokic Michel (Siemens AG, Corporate Technology, Otto-Hahn-Ring 6, 81739 Munich, Germany) ,  Hentschel Alexander (Siemens AG, Corporate Technology, Otto-Hahn-Ring 6, 81739 Munich, Germany) ,  Runkler Thomas A. (Technische Universitaet Muenchen, Department of Informatics, Boltzmannstr. 3, 85748 Garching, Germany) ,  Sterzing Volkmar (Siemens AG, Corporate Technology, Otto-Hahn-Ring 6, 81739 Munich, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 4214-4221  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： パーティクルスワーム最適化政策(PSO P)が最近提案され,オフポリシー,バッチ式の設定における学術的強化学習ベンチマークと相互作用するに顕著な結果をもたらすことが証明されている。実世界アプリケーションに関する性質と実現可能性をさらに研究するために,この論文では,いわゆる工業ベンチマーク(IB)上のPSO(粒子群最適化)P,産業用途で見られる側面の多様性,連続状態および行動空間,高次元,部分的に観測可能な状態空間,遅延効果,および複雑な確率などを含めることにより臨場感を目的とした新しい強化学習(RL)ベンチマークを検討した。IBに対するPSO(粒子群最適化)Pの実験結果は,モデルベースリカレント制御ニューラルネットワーク(RCNN)とモデルフリーニューラル適合Q反復(NFQ)から導出した閉じた形の管理政策の結果と比較した。実験はPSO(粒子群最適化)Pは学術的ベンチマークのための関心のでなく,実世界工業的応用のためだけでなく,それはまた,本IB環境における最良の政策をもたらしたからである。他の良く確立されたRL技術と比較して,PSO(粒子群最適化)Pは,性能とロバスト性に優れた結果を生成し,適切なパラメータを見出すまたは複雑な設計意思決定に比較的少量の努力のみを必要とする。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 意思決定 ,  臨場感 ,  高次元 ,  *ベンチマーク ,  ニューラルネットワーク ,  相互作用 ,  *ロット ,  ロバスト性 ,  応用プログラム ,  *強化学習
準シソーラス用語： 遅延効果 ,  状態空間 ,  連続状態 ,  粒子群最適化 , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  人間機械系  (IB03000G) ,  ニューロコンピュータ  (JC06010Q) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (5件)： 工業 ,  ベンチマーク ,  バッチ ,  強化学習 ,  経験