文献

J-GLOBAL ID：201802272252454580   整理番号：18A0727183

イプシロン-欲張り欲なBabbling【JST・京大機械翻訳】

Epsilon-greedy babbling

著者 (4件)： Kim Chyon Hae (Dept. of Systems Innovation Engineering, Faculty of Science and Engineering, Iwate Univ., Japan) ,  Watanabe Kanta (Info Tech Solution Co., Ltd., Japan) ,  Nishide Shun (Institute of Technology and Science, Tokushima Univ., Japan) ,  Gouko Manabu (Dept. of Mechanical Engineering and Intelligent Systems, Faculty of Engineering, Tohoku Gakuin Univ., Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDL-EpiRob  ページ： 227-232  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： 電動機バブリングは,自己身体動力学に関する事前知識なしで,エージェントサンプリング軌道データを可能にする。著者らは,描画作業の例を通して,モーターバブリングの効率について議論する。著者らは,開発のバブリングと∈-gre欲なバブリングを提案した。提案された乳児を実行するために,著者らは動力学学習ツリー(DLT)を開発した。DLTは,一定の計算次数O(1)を持つオンライン増分学習アルゴリズムである。提案された開発されたバブリングと∈-グリーディ・バブリングは,それぞれ以前の乳児から8と7%で効果的なデータの比率を改善した。∈-gre欲なバブリングは,3つの乳児の間で最も速くその予測誤差を収束させた。∈-gre欲なバブリングを用いて,有線柔軟ハンドを有するヒューマノイドロボットは,自己体,ペン,およびペン錠剤の間の動力学についての事前知識なしで,図形をうまく描くことができた。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： 予測誤差 ,  学習 ,  *乳児 ,  学習アルゴリズム ,  電動機
準シソーラス用語： オンライン ,  次数 ,  描画 ,  事前知識 , 【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 (1件)： イプシロン