文献

J-GLOBAL ID：202002279483715145   整理番号：20A2283133

k-最近傍法による軌道データに基づくMeta-報酬モデル【JST・京大機械翻訳】

Meta-Reward Model Based on Trajectory Data with k-Nearest Neighbors Method

著者 (2件)： Zhu Xiaohui (Waseda University,Department of Computer Science and Eng.,Tokyo,Japan) ,  Sugawara Toshiharu (Waseda University,Department of Computer Science and Eng.,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  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： 報酬成形は,強化学習(RL)のプロセスをスピードアップする重要な方法である。しかし,報酬成形機能を設計することは,通常,多くのエキスパート実証と多くの手工学を必要とする。さらに,訓練報酬を整えるためのポテンシャル関数を用いることにより,RLエージェントは,エキスパートデータを使用することなく,関連するQテーブルを収束させるためにQ学習を良好に行うことができ,しかし,ニューラルネットワークを用いたRLである深層強化学習(DRL)において,Q学習は,特に長い水平および疎な報酬環境において,ネットワークのパラメータを学習するのに遅い。本論文では,離散行動空間でエージェントの動きを学習するために,実時間でDRLに対する訓練報酬を形状化する報酬モデルを提案した。このモデルと報酬成形法は,エージェント自己実証と潜在的ベース報酬成形法の組合せを用いて,ニューラルネットワークをあらゆるタスクでより速く収束させ,深いQ学習とアクター-批判法の両方に使用できる。提案手法は,様々な環境におけるエージェントの古典的制御問題においてDRLを高速化できることを実験的に示した。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： ネットワーク ,  ニューラルネットワーク ,  高速化 ,  *エージェント ,  強化学習
準シソーラス用語： Q学習 ,  ポテンシャル関数 ,  実時間 ,  *最近傍法 ,  深層強化学習 , 【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 (4件)： 最近傍法 ,  軌道 ,  報酬 ,  モデル