文献

J-GLOBAL ID：202202241087528099   整理番号：22A0416506

ソコバンにおける転移学習とカリキュラム学習【JST・京大機械翻訳】

Transfer Learning and Curriculum Learning in Sokoban

著者 (3件)： Yang Zhao (LIACS, Leiden University, Leiden, The Netherlands) ,  Preuss Mike (LIACS, Leiden University, Leiden, The Netherlands) ,  Plaat Aske (LIACS, Leiden University, Leiden, The Netherlands)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1530  ページ： 187-200  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 移動学習は機械学習における訓練をスピードアップし,分類タスクにおいて定期的に使用される。それは,新しいタスクのために他のタスクからプレトレインネットワークへの事前知識を再利用する。強化学習において,新しい環境に適用できる行動政策に対する学習行動は,特に多くの計画を含むタスクに対して,依然として挑戦課題である。横禁止は挑戦的なパズルゲームである。それは,計画ベースの強化学習のベンチマークとして広く用いられている。本論文では,事前知識がSokobanタスクにおける学習を改善する方法を示した。以前に学習された特徴表現の再利用は,学習新,より複雑なインスタンスを加速できることを見出した。効果において,著者らは,単純から複雑なタスクまでのカリキュラム学習が,Sokobanにおいてどのように働くかを示す。さらに,より単純な事例で学習された特徴表現はより一般的であり,従って,より複雑なタスクに向けて肯定的な転送をもたらすが,その逆はそうではない。また,知識の一部が成功するのに最も重要であるかを検討し,どの層が事前訓練(この作業に用いるCodes)に使用すべきかを同定した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ゲーム ,  ネットワーク ,  *カリキュラム ,  再利用 ,  ベンチマーク ,  機械学習 ,  強化学習
準シソーラス用語： 事前知識 ,  パズル ,  学習行動 ,  *転移学習 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (3件)： 強化学習 ,  転移学習 ,  ソコバン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 転移学習 ,  カリキュラム ,  学習