文献

J-GLOBAL ID：201902212380373461   整理番号：19A1961310

認識的アクティブセンシング学習のためのマルチモーダル生成モデル【JST・京大機械翻訳】

Multi-Modal Generative Models for Learning Epistemic Active Sensing

著者 (5件)： Korthals Timo (Cognitronics & Sensor Systems, Inspiration 1, Bielefeld University, Bielefeld, 33619, Germany) ,  Rudolph Daniel (Australian Centre for Robotic Vision, Queensland University of Technology, Brisbane, Australia) ,  Leitner Jurgen (Cognitronics & Sensor Systems, Inspiration 1, Bielefeld University, Bielefeld, 33619, Germany) ,  Hesse Marc (Cognitronics & Sensor Systems, Inspiration 1, Bielefeld University, Bielefeld, 33619, Germany) ,  Ruckert Ulrich (Cognitronics & Sensor Systems, Inspiration 1, Bielefeld University, Bielefeld, 33619, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRA  ページ： 3319-3325  発行年： 2019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： 著者らは,マルチモーダルの深い生成モデルの新しいアプローチを提示し,これを協調した不均一マルチエージェントアクティブセンシングに適用した。この目的を達成するための主要なアプローチは,異なるセンサモダリティの情報を結合潜在表現に統合する,多モード変分オートマトン(M2 VAE)を訓練することである。さらに,センサモダリティの選択により下限の証拠の最大化を可能にするM2 VAEからの目的を導出した。この手法を直接報酬信号として用いることにより,マルチモーダルとマルチエージェントの深い強化学習セットアップは,観測の曖昧さを協調的に解決する,認識的なアクティブセンシング挙動を直感的に導く。Copyright 2019 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： 変分法 ,  強化学習 ,  センサ ,  *学習 ,  オートマトン ,  曖昧さ ,  *多モード
準シソーラス用語： マルチエージェント ,  モダリティ ,  *生成モデル ,  *アクティブセンシング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： アクティブセンシング ,  学習 ,  マルチモーダル ,  生成モデル