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。
予測学習は,1つ以上の与えられた環境で物理プロセスの世界モデルを理想的に構築する。典型的なセットアップは,すべての時間ですべての環境からのデータを収集できると仮定する。しかしながら,実際には,異なる予測タスクは,環境が訓練手順を通して持続的に変化するように,連続的に到着するかもしれない。より現実的な非定常物理環境を扱うことができる予測学習アルゴリズムを開発した。本論文では,ビデオ予測の文脈における新しい連続学習問題を研究し,ほとんどの既存の方法がこの設定において厳しい破滅的忘却を受けることを観察する。この問題に取り組むために,予測経験再生により混合世界モデルを学習し,ノンパラメトリックタスク推論による試験時間適応を実行する連続予測学習(CPL)手法を提案した。RoboNetとKTHに基づく2つの新しいベンチマークを構築し,その中で異なるタスクは,異なる物理的ロボット環境または人間行動に対応する。本アプローチは,忘却を効果的に緩和し,ビデオ予測と連続学習における以前の芸術の「イーブ組合せ」を著しく凌ぐことを示した。【JST・京大機械翻訳】