強化学習を用いたフィードフォーワードニューラルネットワーク及びその応用

カテゴリ: 研究会(論文単位)

論文No: ST15026

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2015/12/06

タイトル(英語): Feedforward Neural Networks using Reinforcement Learning Algorithm and their Applications

著者名: 呉本 尭(山口大学),平田 貴臣(山口大学),孔 恵子(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(Yamaguchi University),Takaomi Hirata(Yamaguchi University),Keiko Ko(Yamaguchi University),Masanao Obayashi(Yamaguchi University),Shingo Mabu(Yamaguchi University),Kunikazu Kobayashi(Aichi Prefectural University)

キーワード: ニューラルネットワーク|強化学習|時系列予測|誤差逆伝搬法|確率的傾斜法|カオス|Artificial Neural Networks|Reinforcement Learning|Time Series Prediction|Error Back Propagation|Stochastic Gradient Ascent|Chaos

要約(日本語): 従来のフィードフォーワードニューラルネットワークの学習は誤差逆伝搬法（BP法）によって行われる．一方、誤差を報酬（ペナルティ）とし、強化学習によってネットワークの結合荷重を更新することが考えられる．本研究では，木村らが提案したStochastic Gradient Ascent(SGA)という強化学習アルゴリズムを多層パーセプトロン(MLP)及び動径基底関数ネット(RBFN)の学習に導入することを提案する．また，提案手法を時系列近似及び予測に応用する．

要約(英語): Stochastic Gradient Ascent (SGA) proposed by Kimura etc. is used to train the feed forward neural networks such as multi-layer perceptron (MLP) and radial basis function network (RBFN) to instead of the conventional error back propagation method. The proposed method was applied to time series analysis and prediction.

原稿種別: 日本語

PDFファイルサイズ: 1,388 Kバイト