抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械学習に関連する方法論の応用のためのロボット工学において大きな可能性があり,実証フレームワークからの学習を目的として,ロボットの運動のプログラミング時間を減少させるための著しい方法を助け,これに加えて,運動をより自然で滑らかにすることができる。機械学習は,教師つき,教師なしおよび強化学習として多様な誘導において見出すことができる。最も使用されるものの一つは教師つき学習であり,分類と回帰の2つの主要なタスクに分割できる。回帰を実行するために,広く使われている方法の一つはGauss過程(GP)である。データ集合を与えられた回帰問題として,要求からの学習(LfD)を見ることができる。本論文では,Gauss過程に基づく学習法の開発と移動ロボットプラットフォームに適用した。このことは,データが頻繁に豊富に到着するので,学習が非常に速く,そして,増分的に実行されなければならないことを意味している。GPは学習において大きな精度を提供し,ロボットにおける制御を実行するための特性を満たす。本論文では,GPを用いた回帰方法論および実証学習におけるその応用について検討した。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】