抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ソーシャルネットワークから交通ルーティングに向けて,人工学習エージェントは現代機関において中心的役割を果たす。したがって,これらのシステムを利用して,著者らの自身の価値と誤嚥と並んでいる成果と行動を育成する方法を理解する必要がある。マルチエージェント学習は近年かなり注目されているが,固定,非学習共層と相互作用するとき,人工エージェントが主に評価された。この評価スキームはメリットを持つが,適応的で継続的に学習する構成要素を扱う必要がある機関が直面するダイナミクスを捉えることは失敗する。ここでは,適応共層(”参加者”)の学習軌跡上で評価した場合,この限界と構築エージェント(”メカニズム”)に取り組んだ。提案アルゴリズムは,2つのネスト学習ループから成る:参加者は,参加者が固定機構に最も良く応答する内部ループ;そして,機構エージェントが経験に基づいてその政策を更新する外側ループである。共層として人工学習エージェントと人間とのペアリングで,著者らの機構エージェントの性能を報告する。著者らの結果は,著者らのメカニズムが好ましい結果に向けた参加者の戦略に応えることができ,その構成要素の戦略と行動に効果的かつ自動的に影響するための現代機関の経路を示している。【JST・京大機械翻訳】