WEKO3
アイテム
確率環境下でのモデルベース学習
http://hdl.handle.net/11478/1289
http://hdl.handle.net/11478/12898d72e405-cace-4dcb-935f-cebccd6692f1
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
11478-1289_p9.pdf (855.2 kB)
|
|
| Item type | 紀要論文 / Departmental Bulletin Paper(1) | |||||
|---|---|---|---|---|---|---|
| 公開日 | 2019-05-28 | |||||
| タイトル | ||||||
| タイトル | 確率環境下でのモデルベース学習 | |||||
| タイトル | ||||||
| タイトル | Model Based Learning in Stochastic Environments | |||||
| 言語 | en | |||||
| 言語 | ||||||
| 言語 | jpn | |||||
| キーワード | ||||||
| 主題Scheme | Other | |||||
| 主題 | model based learning | |||||
| キーワード | ||||||
| 主題Scheme | Other | |||||
| 主題 | prioritized sweeping | |||||
| キーワード | ||||||
| 主題Scheme | Other | |||||
| 主題 | Q-value | |||||
| キーワード | ||||||
| 主題Scheme | Other | |||||
| 主題 | Bellman error | |||||
| キーワード | ||||||
| 主題Scheme | Other | |||||
| 主題 | confidence interval | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | model based learning | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | prioritized sweeping | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | Q-value | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | Bellman error | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | confidence interval | |||||
| 資源タイプ | ||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||
| 資源タイプ | departmental bulletin paper | |||||
| 著者 |
田村, 剛士
× 田村, 剛士× 鶴岡, 久× 山口, 明宏 |
|||||
| 著者(ヨミ) | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2503 | |||||
| 姓名 | タムラ, タケシ | |||||
| 著者(ヨミ) | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2504 | |||||
| 姓名 | ツルオカ, ヒサシ | |||||
| 著者(ヨミ) | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2505 | |||||
| 姓名 | ヤマグチ, アキヒロ | |||||
| 別言語の著者 | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2506 | |||||
| 姓名 | TAMURA, Takeshi | |||||
| 別言語の著者 | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2507 | |||||
| 姓名 | TSURUOKA, Hisashi | |||||
| 別言語の著者 | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 2508 | |||||
| 姓名 | YAMAGUCHI, Akihiro | |||||
| 内容記述 | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | Model based learning can reevaluate the utility of every state, according to a measure of urgency. Prioritized sweeping is a typical algorithm for efficient state updating. In a stochastic environment, a probability distribution can be used to represent the uncertainty of the Q-value caused by probabilistic state transitions or probabilistic rewards. The product of the confidence interval and the Bellman error is used to provide a measure for prioritizing,which takes account of the level of confidence and also yields a measure of urgency. The performance of this approach in the trap domain is examined and compared with that of the ordinary sweeping method. Experimental results indicate that the proposed approach results in a more effective exploration of the state than does the use of conventional sweeping methods. | |||||
| 書誌情報 |
福岡工業大学研究論集 巻 44, 号 1, p. 9-12, 発行日 2011-09 |
|||||
| ISSN | ||||||
| 収録物識別子タイプ | ISSN | |||||
| 収録物識別子 | 02876620 | |||||
| フォーマット | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | application/pdf | |||||
| 形態 | ||||||
| 値 | 855208 bytes | |||||
| 著者版フラグ | ||||||
| 出版タイプ | VoR | |||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||
| タイトル（ヨミ） | ||||||
| その他のタイトル | カクリツ カンキョウカ デノ モデル ベース ガクシュウ | |||||
| 出版者 | ||||||
| 出版者 | 福岡工業大学 | |||||
| 出版者（ヨミ） | ||||||
| 値 | フクオカ コウギョウ ダイガク | |||||
| 資源タイプ | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | 論文(Article) | |||||
| 資源タイプ・ローカル | ||||||
| 値 | 紀要論文 | |||||
| 資源タイプ・NII | ||||||
| 値 | Departmental Bulletin Paper | |||||
| 資源タイプ・DCMI | ||||||
| 値 | text | |||||
| 資源タイプ・ローカル表示コード | ||||||
| 値 | 01 | |||||
