文献

J-GLOBAL ID：202202269095023705   整理番号：22A0002676

アクター-クリティック強化学習を用いた新情報に入った実時間における鉱物堆積物の地質統計学的シミュレーションモデルの更新【JST・京大機械翻訳】

Updating geostatistically simulated models of mineral deposits in real-time with incoming new information using actor-critic reinforcement learning

著者 (2件)： Kumar Ashish (COSMO - Stochastic Mine Planning Laboratory, Department of Mining and Materials Engineering, McGill University, FDA Building, 3450 University Street, Montreal, Quebec, H3A 0E8, Canada) ,  Dimitrakopoulos Roussos (COSMO - Stochastic Mine Planning Laboratory, Department of Mining and Materials Engineering, McGill University, FDA Building, 3450 University Street, Montreal, Quebec, H3A 0E8, Canada)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 158  ページ： Null  発行年： 2022年 
JST資料番号： D0320B  ISSN： 0098-3004  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： 鉱物鉱床の地球統計学的シミュレーションモデルを更新する既存の技術は,操作鉱山で発生する新しい情報から自己学習できず,高次空間統計を説明しない。本研究では,リアルタイムの鉱物堆積物の地球統計学的模擬モデルを更新するために,新しい情報から学習し,高次空間統計を説明する新しい自己学習人工知能アルゴリズムを提案した。提案したアルゴリズムは,アクターと批判エージェントによる深い政策勾配強化学習を使用する。地球統計学シミュレーションモデルのグリッドノードをランダム経路で順次訪問し,環境は各グリッドノードに対して状態を生成し,グリッドノードの更新特性を予測し,評価して,エージェントを訓練するために規則的間隔でサンプリングした格子ノードの更新特性を評価し評価する。訓練されたエージェントは,自己学習の更なるラウンドのために使用された。入力掘削機センサデータ(空間的に収集)および処理工場センサデータ(時間にわたって収集)による銅採掘操作における提案アルゴリズムの応用は,リアルタイムでの鉱物鉱床の銅等級の地球統計学的模擬モデルを更新する際の適用側面を示し,一方,空間パターンおよび高次空間統計を再現した。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： アルゴリズム ,  *鉱物 ,  *シミュレーションモデル ,  掘削機 ,  銅 ,  鉱床 ,  *堆積物 ,  人工知能 ,  鉱山 ,  採掘 ,  *地質 ,  エージェント ,  *強化学習
準シソーラス用語： 自己学習 ,  地球統計学 , 【Automatic Indexing@JST】

著者キーワード (7件)： データ同化 ,  高次空間統計 ,  地球統計学 ,  強化学習 ,  リアルタイム ,  生産センサデータ ,  畳込みニューラルネットワーク

分類 (1件)： 鉱山評価  (UA02030P)

タイトルに関連する用語 (9件)： アクター ,  強化学習 ,  実時間 ,  鉱物 ,  堆積物 ,  地質 ,  統計学 ,  シミュレーションモデル ,  更新