文献

J-GLOBAL ID：202002211643776982   整理番号：20A1077936

強化学習に基づくパラメータ重み早期警報モデルの決定法【JST・京大機械翻訳】

A method for determining parameter weight early warning model based on reinforcement learning

著者 (2件)： Sun Meiyu (Electrical and Mechanical College, Shangdong Management University, Jinan, CO 250357, China) ,  Sun Meiyu (Shangdong Management University, The Key Laboratory of Public Security Management Technology-Research Innovation Platform of Shandong Universities, Jinan, CO 250357, China)
資料名： Computer Communications (Amsterdam)  (Computer Communications (Amsterdam))
巻： 157  ページ： 417-422  発行年： 2020年 
JST資料番号： D0443B  ISSN： 0140-3664  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 公共セキュリティ緊急事態における早期警戒の低効率の問題を解決するために,本論文は,強化学習に基づく公共イベント早期警戒モデルにおけるパラメータ重みづけのための方法を提案した。まず第一に,較正されたコンフリクト早期警戒ラベルを使用して,強化学習アルゴリズムを使用して,公共の早期警戒イベントモデルを構築する。第二に,反復訓練を通して,異常なシーケンスに対するエージェントの到着経路を得ることを通して,それは,公共の早期警戒イベントである。最終的に,ニューラルネットワークにおける重みパラメータを分析することによって,早期警戒イベントを決定する。シミュレーションにより,このアルゴリズムの下で,ステップ数が500から800の範囲にあるとき,収束が起こり,元のデータを用いた場合よりも37.5%小さいことを示した。この実験の結果は,この方法が公共事故に対する早期警報の効率を大きく改善することを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *警報 ,  ニューラルネットワーク ,  重みづけ ,  セキュリティ ,  エージェント ,  *強化学習 ,  学習アルゴリズム

著者キーワード (3件)： 強化学習 ,  早期警報モデル ,  公共イベント

分類 (1件)： 災害・防災一般  (RA02010Q)

タイトルに関連する用語 (5件)： 強化学習 ,  パラメータ ,  早期 ,  警報 ,  モデル