強化学習におけるメタパラメータを浮き沈みさせる効果の一検討:温度パラメータへの導入

カテゴリ: 研究会(論文単位)

論文No: ST17074

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: 2017/12/08

タイトル(英語): A study on effectiveness of meta-parameters having ups and downs in reinforcement learning:Introduction to a temperature parameter of Boltzmann action selection

著者名: 永吉 雅人(新潟県立看護大学),玉置 久(神戸大学)

著者名(英語): Masato Nagayoshi(Niigata College of Nursing),Hisashi Tamaki(Kobe University)

キーワード: 強化学習|メタパラメータ|揺らぎ|温度|ボルツマン選択法|個性創出|reinforcement learning|meta-parameter|waveform changing|temperature|Boltzmann action selection|individuality creation

要約(日本語): 本稿では，強化学習エージェントにおけるメタパラメータの一つであるボルツマン選択法における温度パラメータを波形変化（浮き沈み）させた効果について、計算機実験を通して検討する。

要約(英語): In this paper, we confirm the effectiveness of of a temperature parameter of Boltzmann action selection having ups and downs in reinforcement learning through a computational experiment.

原稿種別: 日本語

PDFファイルサイズ: 308 Kバイト