Pat

J-GLOBAL ID：200903092528155259

強化学習の価値関数表現方法およびこれを用いた装置

Inventor： 濱上 知樹 ,  ▲渋▼谷 長史
Applicant, Patent owner： 国立大学法人横浜国立大学
Agent (1)： 鈴木 雄一
Gazette classification：公開公報
Application number (International application number)：2005254763
Publication number (International publication number)：2007066242
Application date： Sep. 02, 2005
Publication date： Mar. 15, 2007
Summary：

【課題】強化学習法は自律移動ロボット等に応用される知的動作の一つであり、未知の環境での動作が可能であるなど優れた面を持つシステムであるが、不完全知覚問題という基礎的な課題を持っている。いろいろな解決策が提案されているが、決め手はなく、システムも複雑なものになり兼ねない。簡単で効果的な解決方法が望まれている。【解決手段】状態行動価値を複素数で定義する複素価値関数を導入する。時系列情報は複素数値の位相部分に取り込むことにする。これにより、複雑なアルゴリズムを用いることなく時系列情報が価値関数に取り込まれ、簡便な実装により不完全知覚問題が有効に解決される。【選択図】図4

Claim (excerpt)：

価値関数に複素数値関数を使用し、時系列情報を複素数の位相部分もしくは位相部分および振幅部分に算入することにより、不完全知覚問題に対応することを特徴とする強化学習の価値関数表現方法。

IPC (1)：

G06N 3/00

FI (1)：

G06N3/00 550E

F-Term (8)：

5H004GA02 ,  5H004GB16 ,  5H004HA07 ,  5H004HB07 ,  5H004HB08 ,  5H004JA03 ,  5H004JB01 ,  5H004KD61

Patent cited by the Patent：

Cited by applicant (1)

• エージェント学習装置
  Gazette classification：公開公報   Application number：特願平10-203760   Applicant：科学技術振興事業団, 銅谷賢治, 川人光男

Article cited by the Patent：

Cited by examiner (2)

• “強化学習における環境変化認識法”
• “POMDPs環境下での経験強化型強化学習法”