文献

J-GLOBAL ID：202102223002005388   整理番号：21A0009491

確率的環境における効率的なポリシー最適化のための混合強化学習【JST・京大機械翻訳】

Mixed Reinforcement Learning for Efficient Policy Optimization in Stochastic Environments

著者 (8件)： Mu Yao (Tsinghua University,School of Vehicle and Mobility,State Key Laboratory of Automotive Safety and Energy,Beijing,China,100084) ,  Peng Baiyu (Tsinghua University,School of Vehicle and Mobility,State Key Laboratory of Automotive Safety and Energy,Beijing,China,100084) ,  Gu Ziqing (Tsinghua University,School of Vehicle and Mobility,State Key Laboratory of Automotive Safety and Energy,Beijing,China,100084) ,  Li Shengbo Eben (Tsinghua University,School of Vehicle and Mobility,State Key Laboratory of Automotive Safety and Energy,Beijing,China,100084) ,  Liu Chang (Cornell University,Sibley School of Mechanical and Aerospace Engineering,New York,USA,14853) ,  Nie Bingbing (Tsinghua University,School of Vehicle and Mobility,State Key Laboratory of Automotive Safety and Energy,Beijing,China,100084) ,  Zheng Jianfeng (Smart Transportation Division,Didi Chuxing,China,100000) ,  Zhang Bo (Smart Transportation Division,Didi Chuxing,China,100000)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCAS  ページ： 1212-1219  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： 強化学習は,最適方法で確率的非線形系を制御する可能性を有する。最適政策を探索するために環境ダイナミックスの二重表現を同時に用いて混合強化学習(混合RL)アルゴリズムを提案した。二重表現は経験的動的モデルと一連の状態行動データを含む。前者は設計者の知識を埋め込むことができ,学習の困難さを低減でき,後者は実際のシステムダイナミックスを正確に反映するので,モデル不正確を補償できる。このような設計は学習精度と訓練速度の両方を改善する能力を持っている。混合RLフレームワークにおいて,確率的モデルの付加的不確実性を,反復Bayes推定器(IBE)による探索状態行動データを用いて補償した。次に,最適政策を,政策評価(PEV)と政策改善(PIM)の間の交互によって,反復方法で計算する。混合RLの有効性を,確率的非アフィン非線形システム(すなわち,自動車両による二重車線変化タスク)の典型的な最適制御問題によって実証した。Copyright 2021 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： アルゴリズム ,  *最適化 ,  非線形系 ,  *学習 ,  最適制御 ,  不確実性 ,  Bayes推定 ,  ダイナミックモデル ,  システムダイナミックス ,  確率モデル ,  有効性 ,  *強化学習
準シソーラス用語： 政策評価 , 【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)： 確率 ,  環境 ,  最適化 ,  強化学習