文献

J-GLOBAL ID：201802223677381032   整理番号：18A0441731

拡張オプション学習行動木によるモデリングCGFs挙動【Powered by NICT】

Modeling CGFs behavior by an extended option based learning behavior trees

著者 (3件)： Zhang Qi (College of Information System and Managements, National University of Defense Technology, Hunan, Changsha, China 410073) ,  Yin Quanjun (College of Information System and Managements, National University of Defense Technology, Hunan, Changsha, China 410073) ,  Hu Yue (College of Information System and Managements, National University of Defense Technology, Hunan, Changsha, China 410073)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CIS-RAM  ページ： 260-265  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： 訓練用軍用シミュレーションでは,計算機生成力(CGFs)の挙動のモデリングは,拘束と適応モデル要求のために問題がある。新興AIスクリプト手法として,挙動の木(BT)は,有限状態機械(FSM)上のモジュール性とスケーラビリティの素晴らしい利点なCGFsをコードすることを持っているが,時間がかかり,反復努力と微妙な変化の不足に悩まされている。CGFsの予め定義されたBTコントローラのための柔軟な改善を可能にする拡張オプションに基づく学習法を提案した。元オプションに基づく学習挙動ツリー構造に基づいて,元のBT要素を拡張し,BTにおける柔軟な多重セレクタ政策最適化を可能にするためにボトムアップ報酬蓄積規則を提案した。さらに,学習された政策を容易モデル検証を可能にする最初の選択された挙動の状態ノードとして透過的に再編成された。本方法を用いて,捕食者-被食者敵対的シミュレーションシナリオに粗いBTコントローラを改善し,実験結果は,この方法がより良い最終挙動性能を実現することでBT設計を容易にするためにその競争相手より優れていることを示した。Copyright 2018 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： 最適化 ,  選別器 ,  有限状態機械 ,  *モデリング ,  *学習 ,  制御装置 ,  再編成 ,  シミュレーション ,  計算機発生 ,  ツリー構造
準シソーラス用語： モデル検証 ,  ボトムアップ ,  スクリプト ,  適応モデル ,  *学習行動 , 【Automatic Indexing@JST】

分類 (2件)： 電力工学・電力事業一般  (NB01000X) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (6件)： 拡張 ,  オプション ,  学習行動 ,  木 ,  モデリング ,  挙動