{"product_id":"ieej-ct16tc06006","title":"RCEニューラルネットワークによる強化学習","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\u003eTC6-6\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【C】平成28年電気学会電子・情報・システム部門大会講演論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2016\/08\/31\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eReinforcement Learning Constructed by RCE Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e幸田 憲明(松江工業高等専門学校),松井 伸之(兵庫県立大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eNoriaki Kouda|Nobuyuki Matsui\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e連続値|強化学習|RCEモデルRCEモデル|continuous value|reinforcement learning|RCE model\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e実環境下で利用できる強化学習器の必要性が高まってきている現在，状態を示す値が通常連続値であることから，連続値を扱える強化学習器としてニューラルネットワークを利用した研究がなされている．しかし従来のニューラルネットワークは，ネットワーク構成を予め決定しておく必要があるが，学習量を予想できない強化学習では一般に決定が困難となる．その状況を鑑み，当研究室では自律的にニューロンを追加するRCEモデルに対してニューロンの削除機能を追加したニューラルネットワークによる強化学習アルゴリズムを提案している．本報告では提案アルゴリズムの学習性能の確認を行うため，様々な条件下での水たまり問題に対する評価の結果について述べる．\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e838 K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 \/ 4","offer_id":46406984892655,"sku":"IEEJ-CT16TC06006-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_f8cf0b81-fa48-4ac3-a377-f208e48db115.png?v=1745156076","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-ct16tc06006","provider":"電気学会 電子図書館","version":"1.0","type":"link"}