連続入出力空間における自己組織化型ニューロファジィ強化学習システム

カテゴリ: 部門大会

論文No: TC6-7

グループ名: 【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

発行日: 2016/08/31

タイトル(英語): A Reinforcement Learning System with Self-Organizing Fuzzy Neural Network for Continuous Input-Output Spaces

著者名: 呉本 尭(山口大学),椿 和大(山口大学),大林 正直(山口大学),間普 真吾(山口大学),小林 邦和(愛知県立大学)

著者名(英語): Takashi Kuremoto|Kazuhiro Tsubaki|Masanao Obayashi|Shingo Mabu|Kunikazu Kobayashi

キーワード: 強化学習|自己組織化型ファジィニューラルネットワーク|連続入出力空間|自律移動ロボット|reinforcement learning|self-organizing fuzzy neural network|continuous input-output spaces|autonomous mobile robot

要約(日本語): 強化学習が未知環境における知的エージェントや自律ロボットの適応行動の学習に適している。強化学習の基本的に要素として状態、方策、行動、報酬と挙げられ、これらの要素をいかに有効に設計するかが重要である。本研究では、状態の認知に関して、連続空間における観測情報に対し、自己組織化型ファジィニューラルネットワークを用いて、データ駆動型の状態の分類を実現する上、ネットワークの出力である複数の状態―行動価値関数によって確率的に連続行動空間を構築することを提案する。迷路探索問題を用いたシミュレーションを行い、近傍観測という従来の離散的入出力空間を扱う強化学習システムに比較し、提案システムの有効性を確認した。

PDFファイルサイズ: 365 Kバイト