文献

J-GLOBAL ID：201902268053878897   整理番号：19A2166022

自己駆動プロセスに向けて:制御への深部強化学習アプローチ【JST・京大機械翻訳】

Toward self-driving processes: A deep reinforcement learning approach to control

著者 (5件)： Spielberg Steven (Department of Chemical and Biological Engineering, University of British Columbia, Vancouver, British Columbia, Canada) ,  Tulsyan Aditya (Department of Chemical and Biological Engineering, University of British Columbia, Vancouver, British Columbia, Canada) ,  Lawrence Nathan P. (Department of Mathematics, University of British Columbia, Vancouver, British Columbia, Canada) ,  Loewen Philip D. (Department of Mathematics, University of British Columbia, Vancouver, British Columbia, Canada) ,  Bhushan Gopaluni R. (Department of Chemical and Biological Engineering, University of British Columbia, Vancouver, British Columbia, Canada)
資料名： AIChE Journal (American Institute of Chemical Engineers)  (AIChE Journal (American Institute of Chemical Engineers))
巻： 65  号： 10  ページ： e16689  発行年： 2019年 
JST資料番号： A0337A  ISSN： 0001-1541  CODEN： AICEA  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： 進歩したモデルベースの制御装置は,プロセス産業において確立されている。しかし,そのような制御装置は,許容できる性能を維持するために定期的な保全を必要とする。制御装置性能を連続的に監視し,性能劣化の事象における修復モデル再同定手順を開始することは,一般的な実践である。このような手順は典型的に複雑で資源集約的であり,それらはしばしば通常の操作に対して費用のかかる中断を引き起こす。本論文では,一般的離散時間プロセスのための新しい適応可能なモデルフリー制御装置を開発するために,強化学習と深い学習における最近の開発を利用した。著者らが提案する深い強化学習(DRL)制御装置は,プロセスと単に相互作用することによって,リアルタイムで制御ポリシーを学習するデータベースの制御装置である。DRL制御器の有効性と利点を多くのシミュレーションにより実証した。Copyright 2019 Wiley Publishing Japan K.K. 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 ,  有効性 ,  *強化学習 ,  相互作用 ,  データベース ,  制御装置 ,  プロセス制御 ,  ネットワーク ,  集中化
準シソーラス用語： 実時間 ,  性能劣化 ,  モデルベース , 【Automatic Indexing@JST】

著者キーワード (5件)： Actor-Criticネットワーク ,  深層学習 ,  モデルフリー学習 ,  プロセス制御 ,  強化学習

分類 (1件)： 化学プロセスの制御  (XC02020N)

タイトルに関連する用語 (4件)： 自己 ,  プロセス ,  深部 ,  強化学習