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。
行動値推定は多くの強化学習(RL)法の重要な構成要素であり,サンプル複雑性は,行動値のための良い推定子がいかに学習できるかに,大いに依存している。表現学習のレンズを通してこの問題を見ることによって,状態と動作の両方の良い表現は,行動値推定を容易にすることができた。深層学習の進歩は,学習状態表現においてシームレスに駆動される進歩を遂げるが,RLに対するアジェンシーの概念の特異性を考えると,学習行動表現にはほとんど注意が払われていない。多次元行動空間のコンビナトリアル構造の活用は,行動の良好な表現を学習するための重要な構成要素であると推測した。これをテストするために,構造誘導バイアスを持つ多次元離散行動空間における学習行動表現のための関数クラスである行動ハイパーグラフネットワークフレームワークをセットした。このフレームワークを用いて,筆者らは,ハイパーグラフQネットワークをdubする,深いQネットワークとの組み合わせに基づくエージェントクラスを実現した。最小交絡効果,Atari 2600ゲーム,および離散化物理制御ベンチマークの下での説明的予測問題,無数の領域に対する提案アプローチの有効性を示した。【JST・京大機械翻訳】