文献

J-GLOBAL ID：201802222920992108   整理番号：18A1621568

多重制約最適化法に基づく軌道模倣学習の多重実証【JST・京大機械翻訳】

Multiple Demonstration of Trajectory Imitation Learning Based on Multi Constrained Optimization Method

著者 (3件)： Yu Jianjun (College of Electronic and Control Engineering, Beijing University of Technology, Beijing, China) ,  Zheng Yijia (College of Electronic and Control Engineering, Beijing University of Technology, Beijing, China) ,  Ruan Xiaogang (College of Electronic and Control Engineering, Beijing University of Technology, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CYBER  ページ： 169-174  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： 軌道模倣学習に基づいて,単一実証データの変動によって引き起こされた貧弱な学習効果の問題を目的として,本論文は,多重実証に基づく一種の模倣学習方法を提示した。多重制約最適化アイデアを軌道最適化のために導入した。多重実証データをGMMによって別々に符号化し,確率間隔パラメータを最適化制約として設定した。制約条件の交差は区間重なり確率を得ることである。優れたデータの確率はより高く,劣ったデータの確率はより低い。多重制約付き最適軌道に対するパラメータ集合をGauss分布積形式に基づいて解き,次にGMRを通して多制約最適軌道を得た。この方法は,実証における悪いデータの確率を減少させる。それは,劣った実証データによって引き起こされた生殖軌跡の変動を効果的に避ける。シミュレーション結果はこの方法の有効性を示した。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： シミュレーション ,  生殖 ,  最適軌道 ,  *多重化 ,  *最適化 ,  軌跡 ,  正規分布
準シソーラス用語： 学習効果 ,  *模倣学習 , 【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)： 多重 ,  制約 ,  最適化 ,  軌道 ,  模倣学習 ,  実証