制御のための特徴の自律学習:具体化されたエージェントによる実験【JST・京大機械翻訳】

Milano Nicola; Nolfi Stefano

プレプリント

J-GLOBAL ID：202202212263766476 整理番号：21P0048969

制御のための特徴の自律学習:具体化されたエージェントによる実験【JST・京大機械翻訳】

Autonomous Learning of Features for Control: Experiments with Embodied and Situated Agents

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年09月15日プレプリントサーバーでの情報更新日： 2020年09月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

以前の研究で議論されたように,連続制御最適化のための進化または強化学習アルゴリズムの有効性は,自己監督法を通して訓練された特徴抽出に専用の神経モジュールを含むことによって強化できる。本論文では,この仮説を支持する追加実験を報告し,特徴抽出により提供される利点が次元縮小から利益を得る問題に限定されず,また,アロセントリック知覚に基づいて動作するエージェントを含むことを示した。ポリシーネットワークの訓練中の特徴抽出モジュールの訓練を継続し,特徴抽出の有効性を増加させる方法を導入した。最後に,代替特徴抽出手法を比較し,シーケンスツーシーケンス学習が以前の研究で考察した方法よりも良い結果を与えることを示した。【JST・京大機械翻訳】

, , , , , , ,

人工知能 , パターン認識

, ,

前のページに戻る