文献

J-GLOBAL ID：202002251649520248   整理番号：20A2274785

テンソルベースのMarkov決定過程表現【JST・京大機械翻訳】

A Tensor-Based Markov Decision Process Representation

著者 (3件)： Kuinchtner Daniela (Pontifical Catholic University of Rio Grande do Sul (PUCRS), Porto Alegre, RS, Brazil) ,  Meneguzzi Felipe (Pontifical Catholic University of Rio Grande do Sul (PUCRS), Porto Alegre, RS, Brazil) ,  Sales Afonso (Pontifical Catholic University of Rio Grande do Sul (PUCRS), Porto Alegre, RS, Brazil)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12468  ページ： 313-324  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Markov決定プロセス(MDP)は,完全に観察可能な確率的環境に対する逐次決定問題である。MDPsは,強化学習問題をモデル化するために広く用いられている。研究者は,大きなMDPsのための解を見つけるためのより少ない計算資源を必要とする,効率の増加を伴う複数のソルバを開発した。しかし,これらのソルバのほとんどは,GoogleのTPU()とTensorFlow(以下)のようなソルバ効率をさらに増加させるためのテンソル処理の進歩を利用する。本論文では,全サイズよりも少ない要素を持つベクトルとしてテンソルを用いてコンパクトにMDPの遷移モデルを表現することにより,Tensor Algebraの項でMDP問題を定式化した。著者らの方法は,モノリシックMDPを生成するために,計算コストを低減する様々な効率的なMDPソルバの実現を容易にすることを目的とする。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *テンソル ,  ベクトル ,  決定問題 ,  定式化 ,  強化学習
準シソーラス用語： *Markov決定過程 ,  Google ,  ソルバ ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  CANDECOMP/PARAFAC分解 ,  コンパクト遷移モデル ,  Markov決定過程 ,  テンソル代数 ,  テンソル分解

分類 (2件)： 人工知能  (JE08000Z) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (3件)： テンソル ,  Markov決定過程 ,  表現