文献

J-GLOBAL ID：201802214372704805   整理番号：18A1771924

対話ポリシー最適化のための深層強化学習による不確実性推定のベンチマーキング【JST・京大機械翻訳】

Benchmarking Uncertainty Estimates with Deep Reinforcement Learning for Dialogue Policy Optimisation

著者 (3件)： Tegho Christopher (Cambridge University Engineering Department, Trumpington Street, Cambridge, CB2 1PZ, UK) ,  Budzianowski Pawel (Cambridge University Engineering Department, Trumpington Street, Cambridge, CB2 1PZ, UK) ,  Gasic Milica (Cambridge University Engineering Department, Trumpington Street, Cambridge, CB2 1PZ, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 6069-6073  発行年： 2018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： 統計的対話管理において,対話管理者はシステムが実行するために信念状態を行動に写像する政策を学習する。効率的な探査は,政策最適化の成功にとって重要である。現在の深い強化学習法は非常に有望であるが,εgre欲探査に依存しているので,学習中の行動のランダムな選択にユーザを主観する。GaussプロセスSARSA(GP-SARSA)のような代替アプローチは,より良いユーザ経験をもたらす不確実性とサンプル行動を推定するが,より大きな計算複雑性を犠牲にする。本論文では,対話管理の文脈において,深いQネットワーク(DQN)から不確実性推定を抽出する手法を検討した。Bayes-By-バックプロパゲーションDQN(BBQN)の完全な解析を行った。さらに,DQNから不確実性推定を抽出するために,ドロップアウト,その具体的変動,ブートストラップ集合およびa-発散を他の手段として検討した。著者らは,BBQNが他の方法よりも最適な政策に対してより速い収束を達成し,最新の状態に匹敵する性能を達成するが,GP-SARSAの高い計算量はないことを見出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  ブートストラップ ,  *学習 ,  ネットワーク ,  *不確実性 ,  Gauss過程 ,  計算量 ,  *深層 ,  逆伝搬法 ,  *強化学習 ,  *会話
準シソーラス用語： *ベンチマーキング ,  対話管理 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 対話 ,  最適化 ,  深層強化学習 ,  不確実性 ,  推定 ,  ベンチマーキング