活性化拡散モデルを用いた知識選択型転移強化学習SAP-netにおける活性値拡散挙動表現手法の開発

カテゴリ: 部門大会

論文No: OS6-4

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Representation of Activation Value Spreading Behavior in Knowledge-selective Transfer Reinforcement Learning Using Spreading Activation Model

著者名: 河野 仁（東京電機大学）,三上 凜（東京電機大学）,小林 瑞稀（東京電機大学）,池 勇勳（北陸先端科学技術大学院大学）,藤井 浩光（千葉工業大学）

著者名(英語): Hitoshi Kono (Tokyo Denki University),Rin Mikami (Tokyo Denki University),Mizuki Kobayashi (Tokyo Denki University),Yonghoon Ji (Japan Advanced Institute of Science and Technology),Hiromitsu Fujii (Chiba Institute of Technology)

キーワード: 転移強化学習|活性化拡散モデル|並列計算|グラフ理論|Transfer reinforcement learning|Spreading activation model|Parallel computation|Graph theory

要約(日本語): 近年，強化学習のロボット応用が盛んに研究され，強化学習の環境適応性能向上などを目的に転移強化学習なども提案されている．さらなる適応的な振る舞いを実現するために，獲得した知識を環境やタスクに応じて選択する知識選択型転移強化学習も提案されている．とりわけ認知心理学の知見を活用した活性化拡散モデルを用いた知識選択型転移強化学習SAP-netでは，並列計算機への実装が前提とされているため，動作過程や知識の選択結果を説明することが難しい．本発表では，並列計算機実装されたSAP-netの動作をシーケンシャルな計算過程で近似的に表現する手法を開発し，計算結果の類似性について評価したので報告する．