文献

J-GLOBAL ID：201702270469691748   整理番号：17A0258167

確率射影に基づくベイズ時間差分アルゴリズムを提案した。【JST・京大機械翻訳】

A Bayesian Temporal Difference Algorithm Based on Random Projection

著者 (5件)： Liu Quan (School of Computer Science and Technology, Soochow University, Key Laboratory of Symbolic Computation and Knowledge Engineering of Jilin University, Ministry of Education, Collaborative Innovation Center of Novel Software Technology and Industrialization) ,  Yu Jun (School of Computer Science and Technology, Soochow University, Collaborative Innovation Center of Novel Software Technology and Industrialization) ,  Wang Hui (School of Computer Science and Technology, Soochow University, Collaborative Innovation Center of Novel Software Technology and Industrialization) ,  Fu Qiming (School of Computer Science and Technology, Soochow University, Collaborative Innovation Center of Novel Software Technology and Industrialization) ,  Zhu Fei (School of Computer Science and Technology, Soochow University, Collaborative Innovation Center of Novel Software Technology and Industrialization)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 44  号： 11  ページ： 2752-2757  発行年： 2016年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 強化学習方法において,大部分のアルゴリズムは,値関数評価に基づくアルゴリズムである。GAUSS過程の時間差分アルゴリズムはBAYES法を用いて評価関数を評価し、ベル式とBAYES規則により、直ちに報酬と値関数の間の確率生成モデルを構築した。状態空間において,最小二乗法を用いて,新しいサンプルの近似線形近似を解決し,アルゴリズムの実行速度を改善したが,時間複雑性は依然として高かった。状態空間における近似状態の選択問題に対して、ガウス過程フレームにおいて、ランダム投影に基づくベイズ時間差分アルゴリズムを提案し、ハッシュ関数を用いて辞書状態集合中の元素をハッシュ値にマッピングし、ハッシュ値によってグループ分けを行い、さらに状態間の比較を減少する。実験結果は,提案方法が実行速度を改善するだけではなく,状態評価関数の精度とアルゴリズムの実行時間をバランスさせることもできることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  *アルゴリズム ,  選択問題 ,  評価関数 ,  近似法 ,  Gauss過程 ,  強化学習 ,  ハッシュ関数 ,  *射影
準シソーラス用語： 実行時間 ,  複雑性 ,  線形近似 ,  状態空間 ,  関数評価 ,  *時間差 , 【Automatic Indexing@JST】

著者キーワード (5件)： reinforcement learning ,  markov decision process ,  gaussian process ,  random projection ,  temporal difference learning

分類 (9件)： 数値計算  (JE02000J) ,  ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B) ,  符号理論  (ND02030R) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  時間,速度,加速度,角速度の計測法・機器  (AD05040K) ,  システム同定  (IA02040O) ,  有機化合物の物理分析  (CC03034A) ,  計算理論  (JB02000A)

タイトルに関連する用語 (5件)： 確率 ,  射影 ,  時間差分 ,  アルゴリズム ,  提案