文献

J-GLOBAL ID：201802238410506645   整理番号：18A0188934

確率的リカレントニューラルネットワークを用いた効率的なオンライン適応【Powered by NICT】

Efficient online adaptation with stochastic recurrent neural networks

著者 (3件)： Tanneberg Daniel (Intelligent Autonomous Systems, Technische Universitaet Darmstadt, Darmstadt, Germany) ,  Peters Jan (Intelligent Autonomous Systems, Technische Universitaet Darmstadt, Darmstadt, Germany) ,  Rueckert Elmar (Intelligent Autonomous Systems, Technische Universitaet Darmstadt, Darmstadt, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Humanoids  ページ： 198-204  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： 自律ロボットは,未知の非構造型環境と相互作用する必要がある。生涯学習シナリオにおける連続オンライン適応を対象として,変化する環境,制約,タスクと能力に適応するためのサンプル効率的な機構が必要である。本論文では,バイオインスパイアード確率的リカレントニューラルネットワークに基づくオンライン運動計画と適応のためのフレームワークを提案した。精神再生戦略を用いた内発的動機づけ信号を用いた認知的不協和により,ロボットは,いくつかの物理的相互作用から学ぶことができる,従って秒で新しい環境に適応することができる。オンライン計画と適応フレームワークKUKA LWRアームを評価した。効率的なオンライン適応は数秒以内に試料の効率的な学習未知作業空間制約により示される点で与えられた後。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： *学習 ,  相互作用 ,  生涯教育 ,  作業空間 ,  アーム ,  ロボット ,  自律ロボット
準シソーラス用語： 認知的不協和 ,  内発的動機づけ ,  運動計画 ,  *オンライン ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 確率 ,  リカレントニューラルネットワーク ,  オンライン ,  適応