文献

J-GLOBAL ID：202202240689453389   整理番号：22A1165549

Bayesポリシー再利用フレームワークに基づく知的意思決定法【JST・京大機械翻訳】

An intelligent decision making method based on Bayesian policy reuse framework

著者 (3件)： Zhang Yixin (School of Software Engineering, Xi’an Jiaotong University,Xi’an,China) ,  Qi Han (School of Software Engineering, Xi’an Jiaotong University,Xi’an,China) ,  Zhu Li (School of Software Engineering, Xi’an Jiaotong University,Xi’an,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IWECAI  ページ： 218-222  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 転送学習はマルチエージェント強化学習において重要な役割を果たす。Bayes政策再利用(BPR)アルゴリズムは,優れた転送学習アルゴリズムであり,反復確率ゲームで首尾よく使用された。BPRは敵対者を迅速に検出し,最適政策を選択することができる。BPRの主な限界は,モデル(プリオリ知識)が得られるオフライン学習フェーズの必要性である。しかし,BPRは,事前知識が不足しているか,事前知識が不正確である場合,十分に機能しないかもしれない。この問題を解決するため,BPRと非レグレットを結合するアルゴリズムを提案した。先験的知識が正確で,先験的知識が不正確である場合,より少ない性能を達成するために,提案アプローチは性能の改善に利用できる。提案アプローチはロバストな理論的保証を持ち,反復確率ゲーム上で検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *意思決定 ,  学習 ,  再利用 ,  ロバスト性 ,  強化学習 ,  学習アルゴリズム
準シソーラス用語： 事前知識 ,  敵対者 ,  オフライン ,  確率ゲーム ,  マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 再利用 ,  フレームワーク ,  意思決定