{"product_id":"ieej-btb2025p72","title":"深層強化学習を用いた住宅用エネルギーマネジメントシステムにおけるシード値によるばらつきと構造の検討","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ：\u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No：\u003c\/strong\u003eP72\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名：\u003c\/strong\u003e【B】令和7年電気学会電力・エネルギー部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日：\u003c\/strong\u003e2025\/9\/5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語)：\u003c\/strong\u003eAn Investigation into the Effects of Seed Variability and Structure in Deep Reinforcement Learning for Home Energy Management Systems\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名：\u003c\/strong\u003e阿部幹太（東京理科大学），片山昇（東京理科大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語)： \u003c\/strong\u003eKanta Abe (Tokyo University of Science), Noboru Katayama (Tokyo University of Science)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード：\u003c\/strong\u003e深層強化学習,ホームエネルギーマネジメントシステム,Deep Reinforcement Learning,Home Energy Management System\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語)：\u003c\/strong\u003e強化学習を利用したHEMS制御では，ハイパーパラメータの調整に関する検討は少ない。また，学習結果が疑似乱数によってばらつく事を考慮していない事がある。本研究では学習率の変更は学習結果のばらつきを低減することに対して有効であることを示した。また，ニューラルネットワークの隠れ層の変更，ノードの追加もばらつきの低減と性能向上に寄与するが，モデルに対して過剰とならない層の数を検討することが重要であると結論付けた。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ：\u003c\/strong\u003e511Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":47682588737775,"sku":"IEEJ-BTB2025P72-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_bumontaikai_41d46c6e-b285-425c-a6bc-8e5cf66da54e.png?v=1770878364","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btb2025p72","provider":"電気学会 電子図書館","version":"1.0","type":"link"}