転送エントロピー正則化Markov決定過程【JST・京大機械翻訳】

Tanaka Takashi; Sandberg Henrik; Skoglund Mikael

プレプリント

J-GLOBAL ID：202202218903131233 整理番号：22P0041885

転送エントロピー正則化Markov決定過程【JST・京大機械翻訳】

Transfer-Entropy-Regularized Markov Decision Processes

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 (3件)： , ,
資料名：
発行年： 2017年08月29日プレプリントサーバーでの情報更新日： 2020年05月27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)

古典的状態依存コストの加重和と状態ランダム過程から制御ランダム過程への転送エントロピーが最小化される,転送エントロピー正則化Markov決定プロセス(TERMDP)のフレームワークを考察した。TERMDPは一般的に非凸最適化問題として定式化されるが,Arimoto-Blahutアルゴリズムに類似した反復フォワードバックワード計算手順を提案する,非線形方程式の有限集合として表現される解析的に必要な最適条件を導いた。提案アルゴリズムによって生成されたシーケンスのあらゆる限界点がTERMDPの静止点であることを示した。TERMDPの応用はネットワーク化制御システム理論と非平衡熱力学の文脈で議論される。提案アルゴリズムを,情報制約付き迷路ナビゲーション問題に適用し,それにより,情報の価格が,最適決定政策を定性的に変える方法を研究した。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

数理計画法 , 数値計算 , 移動通信 , トラヒック理論 , 無線通信一般

, , ,

前のページに戻る