文献

J-GLOBAL ID：202002284622021507   整理番号：20A2732696

観測からの人間-エージェント移動【JST・京大機械翻訳】

Human-agent transfer from observations

著者 (2件)： Banerjee Bikramjit (The University of Southern Mississippi, 118 College Drive #5106, Hattiesburg, MS , USA e-mails: [e-mail], [e-mail]) ,  Racharla Sneha (The University of Southern Mississippi, 118 College Drive #5106, Hattiesburg, MS , USA e-mails: [e-mail], [e-mail])
資料名： Knowledge Engineering Review  (Knowledge Engineering Review)
巻： 36  ページ： e2  発行年： 2020年 
JST資料番号： T0358A  ISSN： 0269-8889  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 強化学習(RL)のための多くの高速化技術の中で,人間実証(LfD)からの学習は,多くの成功した応用を見た。著者らは,人間-エージェント移動(HAT)と呼ばれる1つのLfD技術を考察し,そこでは,人間のデモンストレータの決定関数のモデルを,教師つき学習を介して誘導し,RLの初期バイアスとして使用した。LfDにおけるいくつかの最近の研究は,学習者状態(その行動ではない)だけが学習者に利用可能であるときのみ,観測からの学習を調査した。実証者の行動は,HATのラベルとして扱われるので,教師つき学習は,それらの不在で不可能になる。学習者の環境との相互作用によって取得したデータから逆動力学モデルを学習するアイデアを適応し,それをデモンストレータの欠落行動に埋めるように展開した。HATと呼ばれる状態のみのHAT(SoHAT)の得られたバージョンは,離散および連続作用の両方を有するベンチマークドメインにおけるHATのいくつかの利点を保存することを実験的に示した。また,本論文では,A3Cと呼ばれる既存のベースラインアルゴリズムの原理修正を確立し,そのHATとSoHAT変異体を作成し,実験に用いた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  相互作用 ,  教師つき学習 ,  バイアス ,  基準線 ,  高速化 ,  ベンチマーク ,  *エージェント ,  強化学習
準シソーラス用語： 学習者 ,  逆動力学 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 観測 ,  人間 ,  エージェント