文献

J-GLOBAL ID：202002246110146428   整理番号：20A0784744

深層強化学習を用いたカオスの復元【JST・京大機械翻訳】

Restoring chaos using deep reinforcement learning

著者 (2件)： Vashishtha Sumit (Department of Ocean and Mechanical Engineering, Florida Atlantic University, Boca Raton, Florida 33431, USA) ,  Verma Siddhartha (Department of Ocean and Mechanical Engineering, Florida Atlantic University, Boca Raton, Florida 33431, USA)
資料名： Chaos  (Chaos)
巻： 30  号： 3  ページ： 031102-031102-6  発行年： 2020年 
JST資料番号： W0550A  ISSN： 1054-1500  CODEN： CHAOEH  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： 危機と呼ばれる非線形動的システムにおける壊滅的分岐は,しばしば,いくつかの初期カオス過渡現象の後に望ましくない非カオス状態への収束をもたらす。このような挙動を防ぐことは非常に困難である。著者らは,深い強化学習(RL)が,方程式のLorenz系の過渡的カオス領域においてカオスを復元できることを実証した。支配方程式の基礎となる動力学の事前知識を必要とせずに,RLエージェントは,カオス軌道が維持されるようなLorenzシステムのパラメータを摂動するための効果的な戦略を発見する。エージェントの自律的制御決定と同定を分析し,Lorenzシステムにおけるカオスを成功裏に復元する簡単な制御則を同定し実行した。著者らの結果は,非線形力学系におけるカタストロフィーの発生を制御するために,深いRLを用いることの有用性を実証した。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動的系 ,  制御則 ,  カタストロフィー理論 ,  *カオス ,  過渡現象 ,  *強化学習 ,  エージェント
準シソーラス用語： 事前知識 ,  ローレンツ系 , 【Automatic Indexing@JST】

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

タイトルに関連する用語 (3件)： 深層強化学習 ,  カオス ,  復元