文献

J-GLOBAL ID：202202244433724324   整理番号：22A0105679

マルチエージェント予測状態表現のためのテンソル分解【JST・京大機械翻訳】

Tensor decomposition for multi-agent predictive state representation

著者 (7件)： Ma Biyang (Department of Computer and Information Sciences, Northumbria University, UK) ,  Chen Bilian (Department of Automation, Xiamen University, Xiamen 361005, China) ,  Chen Bilian (Xiamen Key Laboratory of Big Data Intelligent Analysis and Decision, Xiamen 361005, China) ,  Zeng Yifeng (Department of Computer and Information Sciences, Northumbria University, UK) ,  Tang Jing (Newcastle Business School, Northumbria University, UK) ,  Cao Langcai (Department of Automation, Xiamen University, Xiamen 361005, China) ,  Cao Langcai (Xiamen Key Laboratory of Big Data Intelligent Analysis and Decision, Xiamen 361005, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 189  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 予測状態表現(PSR)は,システムダイナミックスを表現するために行動観測シーケンスのベクトルを使用し,次に,将来のイベントの確率を予測する。それは,単一エージェント計画問題領域でよく研究されている簡潔な知識表現である。知る限りでは,マルチエージェント計画問題を解くためにPSRを使用する既存の研究は存在しない。マルチエージェントPSRモデルの学習は,問題領域の複雑性に言及しないで,特にエージェント数の増加で非常に難しい。本論文では,マルチエージェントPSRモデル開発問題の挑戦的なタスクに取り組むためのテンソル技術に頼る。最初に,2エージェント設定に焦点を合わせて,著者らは,PSRモデルのための高次テンソルとしてシステムダイナミックスマトリックスを構築して,それぞれ,予測パラメータを学習して,2つの異なるテンソル分解方法を通して直接状態ベクトルを推論して,線形回帰を通して遷移パラメータを引き出した。続いて,マルチエージェント設定におけるPSR学習アプローチを一般化した。実験結果は,著者らの方法が多重問題領域におけるマルチエージェントPSRモデリング問題を効果的に解決することができることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *テンソル ,  ベクトル ,  学習 ,  多重化 ,  システムダイナミックス ,  知識表現 ,  *エージェント
準シソーラス用語： 線形回帰 ,  複雑性 ,  *マルチエージェント ,  *テンソル分解 , 【Automatic Indexing@JST】

著者キーワード (3件)： 予測状態表現 ,  テンソル最適化 ,  学習アプローチ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マルチエージェント ,  予測 ,  表現 ,  テンソル分解