文献

J-GLOBAL ID：201902213999168673   整理番号：19A0188582

ロボット制御のための動的ニューラルネットワークを最適化するためのバイオインスパイアード強化学習ルール【JST・京大機械翻訳】

A Bio-inspired Reinforcement Learning Rule to Optimise Dynamical Neural Networks for Robot Control

著者 (2件)： Wei Tianqi (Insect Robotics Group, Institute of Perception, Action and Behaviour, School of Informatics, University of Edinburgh, Edinburgh, United Kingdom) ,  Webb Barbara (Institute of Perception, Action and Behaviour, School of Informatics, University of Edinburgh, Edinburgh, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IROS  ページ： 556-561  発行年： 2018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： ニューラルネットワークの最適化のためのほとんどのアプローチは,逆伝搬の変種に基づいている。これは時間不変で微分可能なネットワークを必要とする。したがって,動力学によるニューラルネットワークは,一般的にこれらの方法の範囲外にある。生物学的神経回路は非常に動的であり,学習を支援することができる。著者らは,生物学的シナプスの機構と動力学に触発された強化学習アプローチを提案する。ネットワーク重みは自発的変動を受け,報酬信号は変動の中心と振幅を変調し,望ましいネットワーク挙動に収束する。二次元二足歩行シミュレーションに関する新しい学習則を試験した。これは,反復ニューラルネットワーク,バイオインスパイア中心パターン発生器層および比例積分制御を組み合わせた制御システムを用いて,このベンチマークタスクに対する最初の成功した解を実証した。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： 二足歩行 ,  制御系 ,  不変性 ,  *ニューラルネットワーク ,  微分 ,  *最適化 ,  積分 ,  *強化学習 ,  ベンチマーク ,  シミュレーション ,  *ネットワーク ,  シナプス ,  二次元
準シソーラス用語： *学習則 ,  *動的ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： ロボット制御 ,  動的ニューラルネットワーク ,  最適化 ,  強化 ,  学習ルール