文献

J-GLOBAL ID：201802255517683448   整理番号：18A0942920

強化学習における知識移転の方法としての結果を予測するための学習【JST・京大機械翻訳】

Learning to Predict Consequences as a Method of Knowledge Transfer in Reinforcement Learning

著者 (5件)： Chalmers Eric (Department of Neuroscience, the University of Lethbridge, Lethbridge, AB, Canada) ,  Contreras Edgar Bermudez (Department of Neuroscience, the University of Lethbridge, Lethbridge, AB, Canada) ,  Robertson Brandon (Department of Neuroscience, the University of Lethbridge, Lethbridge, AB, Canada) ,  Luczak Artur (Department of Neuroscience, the University of Lethbridge, Lethbridge, AB, Canada) ,  Gruber Aaron (Department of Neuroscience, the University of Lethbridge, Lethbridge, AB, Canada)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 6  ページ： 2259-2270  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 強化学習(RL)パラダイムは,エージェントが試行錯誤学習を通してタスクを解決することを可能にする。効率的で長期的な学習を可能にするために,RLエージェントは,過去に得られた知識を将来に遭遇する可能性のある新しいタスクに適用することができる。行動の結果を予測する能力は,そのような知識移転を容易にする可能性がある。ここでは,RLエージェントが2種類の情報にアクセスしている領域を考察した。タスクを横断する一定の意味を持つエージェント中心情報とタスクを解決する必要がある環境中心情報であるが,タスク間で異なる意味を持つ。例えば,ロボットナビゲーションにおいて,環境中心情報はロボットの地理的位置を含む可能性があるが,エージェント中心情報は様々な近傍障害物のセンサ読み取りを含む可能性がある。著者らは,これらの状況が知識移転の非常に自然なスタイルに対する機会を提供することを提案する。そこではエージェントは,エージェントが中心的な情報を用いて行動の環境結果を予測することを学習する。これらの予測は,新しい環境に存在するアフォーダンスと危険性についての重要な情報を含み,エージェント中心から環境中心の学習システムへの知識を効果的に伝達することができる。空間ナビゲーションとネットワークルーティングを含むいくつかの例問題を用いて,著者らの知識移転アプローチが既存の代替案より速く,より低いコスト学習を可能にすることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ロボット ,  エージェント ,  センサ ,  地理学 ,  *強化学習 ,  試行錯誤学習
準シソーラス用語： 学習支援システム ,  アフォーダンス ,  *知識移転 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 強化学習 ,  知識移転 ,  予測 ,  学習