文献

J-GLOBAL ID：201902278953460328   整理番号：19A2090715

経験再生に基づくオンライン強化学習法に関する研究【JST・京大機械翻訳】

Research on Online Reinforcement Learning Method Based on Experience-Replay

著者 (5件)： Hu Ning (China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou, China) ,  Ge Zhijun (China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou, China) ,  Chen Xuanwen (China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou, China) ,  Ding Chunguang (China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou, China) ,  Shi Haobin (School of Computer Science, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIA  ページ： 1338-1343  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： 標準的な強化学習に関しては,エージェントの次のステップが,環境と試行錯誤学習との一定の相互作用からの瞬間的で遅れた報告によって指示されるということである。しかし,それは実際の強化学習のために収束速度を遅くする。同時に,エージェント学習プロセスにおいて不整合状態が発生する。したがって,意思決定の収束性とロバスト性を向上させるために特定された時間内に学習されたものを再構成することが必要である。上記の問題に関して,本論文は,ニューラルネットワークの関数近似能力を用いて強化学習の収束速度を加速して,メモリベースの実験-再生(ER)アルゴリズムを用いることによって強化学習のロバスト性を改良することを提案した。実験結果は,提案方法の有効性を示した。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： 試行錯誤学習 ,  エージェント ,  不整合 ,  相互作用 ,  アルゴリズム ,  有効性 ,  意思決定 ,  ロバスト性 ,  再構成 ,  ニューラルネットワーク ,  *強化学習 ,  関数近似 ,  記憶装置
準シソーラス用語： 収束速度 ,  *オンライン , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 経験 ,  オンライン ,  強化 ,  研究