文献

J-GLOBAL ID：202002213154317053   整理番号：20A2283384

ビデオゲームのための認知アーキテクチャ【JST・京大機械翻訳】

Cognitive Architecture for Video Games

著者 (3件)： Li Hongming (University of Florida,Department of Electronic and Computer Engineering,Gainesville,FL,USA,32611) ,  Ma Ying (University of Florida,Department of Electronic and Computer Engineering,Gainesville,FL,USA,32611) ,  Principe Jose (University of Florida,Department of Electronic and Computer Engineering,Gainesville,FL,USA,32611)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-9  発行年： 2020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： 近年,フレーム指向強化学習(FORL)への関心が高まっている。しかし,文献におけるほとんどの研究は,人間の知覚行動報酬サイクル(PARC)と因果関係からほとんどインスピレーションを示す。人間の視覚システムと学習戦略に触発されて,生のフレームの内容を理解するFORLのための新しいアーキテクチャを提案する。アーキテクチャは,教師なし学習と強化学習だけを利用して,環境から情報を抽出して,人間の視覚システム,自己意識に類似であり,新しい訓練データ部分集合を自動的に収集し,以前のものを忘れることなく新しい物体を学習する,新しい訓練データ部分集合を自動認識して,新しい訓練データ部分集合を自動認識する,という4つの目的を達成する。”.” 1.2.1]は,その環境から情報を抽出すること,という4つの目的を,その環境から抽出するものである.という事を目標とするものである。”..” 1.2.1.2.1は,人間の視覚システム,自己意識に似ており,新しい訓練データ部分集合を自動認識し,新しい訓練データ部分集合を自動的に収集する。アーキテクチャはSuper Mario Brothersビデオゲームで開発され,Marioはアーキテクチャにより認識される唯一のオブジェクトである。自動データ部分集合収集と記憶更新の後,このアーキテクチャはGoombaとMarioの両方を認識し,増分訓練を用いてそれらを分類できる。ビデオゲームから得られたスニペットを持つアーキテクチャの各部分の性能を例証した。Copyright 2020 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： 教師なし学習 ,  ビデオゲーム ,  *計算機アーキテクチャ ,  強化学習
準シソーラス用語： 訓練データ ,  自動認識 ,  認知的アーキテクチャ ,  学習戦略 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ビデオゲーム ,  認知アーキテクチャ