文献

J-GLOBAL ID：202002238491034150   整理番号：20A0261593

準最適な軌跡群を用いた逆強化学習における軌跡の定量的評価~軌跡比較法の提案と実験的考察~

著者 (2件)： 千邑峻明 (千葉大 大学院) ,  荒井幸代 (千葉大 大学院)
資料名： 計測自動制御学会システム・情報部門学術講演会講演論文集(CD-ROM)  (計測自動制御学会システム・情報部門学術講演会予稿集(CD-ROM))
巻： 2019  ページ： ROMBUNNO.O1-1 (SS09-07)  発行年： 2019年11月23日 
JST資料番号： F0428D  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 強化学習の報酬設計法として,最適な軌跡を用いる逆強化学習があるが,最適な軌跡が得られるとは限らない.これに対して準最適な軌跡を用いた方法がある.既存手法では,設計者による準最適な軌跡群のランキングの導入によって優れた方策が獲得できることが示されている.ただし,ランキングは設計者の定性的評価に基づくため,軌跡数の増加によってランキング作成の負担も増大する.そこで本論文では,軌跡の定量的評価基準を提案しランキングの自動化を実現する.(著者抄録)

シソーラス用語： *学習制御 ,  機械学習 ,  *強化学習 ,  ニューラルネットワーク ,  人工知能 ,  等級づけ ,  Markov過程 ,  計算機シミュレーション ,  解 ,  軌跡 ,  評価 ,  実験
準シソーラス用語： *逆強化学習 ,  深層学習 ,  ランキング ,  Markov決定過程 ,  計算機実験 ,  準最適解 ,  定量的評価

分類 (1件)： 印刷機  (ZA05050L)

タイトルに関連する用語 (6件)： 軌跡 ,  逆強化学習 ,  定量的評価 ,  比較法 ,  提案 ,  実験