文献

J-GLOBAL ID：202102235403982800   整理番号：21A0577096

ハイブリッド深層強化学習と事例ベース推論を用いたシナリオベース海洋石油流出緊急応答【JST・京大機械翻訳】

Scenario-Based Marine Oil Spill Emergency Response Using Hybrid Deep Reinforcement Learning and Case-Based Reasoning

著者 (3件)： Huang Kui (School of Geodesy and Geomatics, Wuhan University, Wuhan 430072, China) ,  Nie Wen (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430072, China) ,  Luo Nianxue (School of Geodesy and Geomatics, Wuhan University, Wuhan 430072, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 15  ページ： 5269  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 事例ベース推論(CBR)システムは,災害防止と緊急応答における管理決定を行う意思決定者の基礎を提供することが多い。数十年間,多くのCBRシステムは,状況の事例ライブラリーからケース同定のためのインデックスを構築するために,エキスパート知識方式を用いて実行され,ケース間の関係を探索する。しかし,専門家の推論が正確に説明が難しいので,多くの知識ベースのCBRアプリケーションに対して,知識導出ボトルネックが発生する。これらの問題を解決するために,海洋油流出事例を認識するための知識のみを用いた方法を提案した。提案方法は,DRLエージェントの報酬として海洋油流出シナリオの定量化による海洋油流出事故の緊急応答を決定するために,戦略選択と深層強化学習(DRL)を組み合わせた。これらの事故はシナリオによって記述され,ハイブリッドDRL/CBRフレームワークにおける状態入力と考えられる。異なるシナリオと意思決定者の意図を考慮して,提案した方法の課題と機会を論じた。この手法は,海洋油流出緊急応答のためのハイブリッドDRL/CBRベースツールの開発に役立つ。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *石油 ,  ネットワーク ,  防災 ,  *海洋 ,  油漏れ ,  応用プログラム ,  緊急対策 ,  知識ベース ,  意思決定者 ,  エージェント ,  *事例ベース推論
準シソーラス用語： 油流出事故 , 【Automatic Indexing@JST】

著者キーワード (4件)： 事例ベース推論 ,  深いQネットワーク ,  海洋石油流出 ,  シナリオ

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (26件)：

• Paulson, P.; Juell, P. Reinforcement learning in case-based systems. IEEE Potentials 2004, 23, 31-33.
• Chou, J.S. Applying AHP-based CBR to estimate pavement maintenance cost. Tsinghua Sci. Technol. 2008, 13, 114-120.
• Zhai, Z.; Martínez Ortega, J.F.; Beltran, V.; Lucas Martínez, N. An Associated Representation Method for Defining Agricultural Cases in a Case-Based Reasoning System for Fast Case Retrieval. Sensors 2019, 19, 5118.
• Amailef, K.; Lu, J. Ontology-supported case-based reasoning approach for intelligent m-Government emergency response services. Decis. Support Syst. 2013, 55, 79-97.
• Mata, A.; Rodríguez, J.M.C. Forecasting the probability of finding oil slicks using a CBR system. Expert Syst. Appl. 2009, 36, 8239-8246.

タイトルに関連する用語 (6件)： 深層強化学習 ,  事例ベース推論 ,  シナリオ ,  海洋 ,  油流出 ,  緊急応答