Pat

J-GLOBAL ID：201303086536806210

マルコフ決定過程システム環境下における方策パラメータを更新するための方法、並びに、その制御器及び制御プログラム

Inventor： 森村 哲郎 ,  恐神 貴行 ,  白井 朋之
Applicant, Patent owner： インターナショナル・ビジネス・マシーンズ・コーポレーション
Agent (5)： 上野 剛史 ,  太佐 種一 ,  市位 嘉宏 ,  松井 光夫 ,  村上 博司
Gazette classification：公開公報
Application number (International application number)：2012116440
Publication number (International publication number)：2013242761
Application date： May. 22, 2012
Publication date： Dec. 05, 2013
Summary：

【課題】本発明は、不必要な混合時間の増加を抑えながら、意思決定モデルを学習する機能を実現することを目的とする。【解決手段】本発明は、マルコフ決定過程システム環境下における方策を規定するパラメータ(方策パラメータ)を更新するための技法であって、当該技法は、第1の状態(s)から第2の状態(s’)に初めて状態遷移するために必要なステップ数(到達時間)の統計量(期待到達時間関数)の第1の状態(s)と第2の状態(s’)についての重み付け和(重み付け期待到達時間和)を減少させる項を有する更新式に従って、上記方策パラメータを更新することを特徴とする上記技法を提供する。【選択図】 図4A

Claim (excerpt)：

マルコフ決定過程システム環境下における方策を規定するパラメータ(以下、「方策パラメータ」という)を更新するための方法であって、制御器が、 第1の状態(s)から第2の状態(s’)に初めて状態遷移するために必要なステップ数(以下、「到達時間」という)の統計量(以下、「期待到達時間」という)の第1の状態(s)と第2の状態(s’)についての重み付け和(以下、「重み付け期待到達時間和」という)を減少させる項を有する更新式に従って、前記制御器の記憶部上に格納された前記方策パラメータを更新するステップ を実行することを含む、前記方法。

IPC (3)：

G06N 3/00 ,  G06N 5/04 ,  G05B 13/02

FI (3)：

G06N3/00 550E ,  G06N5/04 550J ,  G05B13/02 L

F-Term (8)：

5H004GA02 ,  5H004GA17 ,  5H004GA18 ,  5H004GB11 ,  5H004GB16 ,  5H004KD61 ,  5H004LA12 ,  5H004MA36