文献

J-GLOBAL ID：201802273335510324   整理番号：18A2096382

深い強化学習によるStag Hunt協調シナリオにおけるリターンを最大化するための学習【JST・京大機械翻訳】

Learning to Maximize Return in a Stag Hunt Collaborative Scenario through Deep Reinforcement Learning

著者 (4件)： Nica Andrei Cristian ,  Berariu Tudor ,  Gogianu Florin ,  Florea Adina Magda
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SYNASC  ページ： 188-195  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： 本論文では,シミュレーション環境において時間拡張社会ジレンマゲームを実行するための学習のための深い強化学習アプローチを提示した。エージェントは協調戦略に対して異なるレベルのコミットメントを持つ異なるタイプの敵に直面する。著者らの方法は,深いニューラルネットワークを使用する政策勾配訓練における最近の進歩に関して構築した。高速収束のための補助タスクを用いて,補強あるいはアクター臨界のような複数の確率的勾配アルゴリズムを調べた。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： シミュレーション ,  ゲーム ,  臨界 ,  エージェント ,  *強化学習 ,  高速度 ,  ニューラルネットワーク
準シソーラス用語： 勾配アルゴリズム ,  動作主 ,  コミットメント ,  ジレンマ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 強化学習 ,  協調 ,  シナリオ ,  リターン ,  最大化 ,  学習