| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
8ページ |
■発行日
|
2017/12/01 |
| ■タイトル |
ボルツマン選択を用いたDeep Q Network |
| ■タイトル(英語) |
A Deep Q Network with Boltzmann Selection |
| ■著者名 |
北 悠人（千葉工業大学大学院情報科学研究科情報科学専攻），山口 智（千葉工業大学情報科学部情報工学科） |
| ■著者名(英語) |
Yuto Kita (Graduate School of Information and Computer Science, Chiba Institute of Technology), Satoshi Yamaguchi (Dept. of Computer Science, Chiba Institute of Technology) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.137 No.12 （2017） 特集Ⅰ：電気・電子・情報関係学会東海支部連合大会 特集Ⅱ：国際会議ICESS2016
|
| ■本誌掲載ページ |
1676-1683ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/137/12/137_1676/_article/-char/ja/
|
| ■キーワード |
強化学習，深層学習，Deep Q Network，ボルツマン選択，ε-グリーディ法 Rinforcement Learning，Deep learning，Deep Q network，Boltzmann Selection，ε-greedy Selection |
| ■要約(日本語) |
|
| ■要約(英語) |
The reinforcement learning is a method of training for an agent for accomplishing task by selecting suitable action from the current state. Deep Q network is combining convolutional network with Q-learning. By using the Convolutional Neural Network, Deep Q Network can apply to large dimentional input state tasks without special pre-processing. However Deep Q Network needs a large iteration for getting excellent outputs. The reason of that the Deep Q Network is using ε-greedy for action selection, and the ε is set to high value (close to one) in initial stage in learning. High ε value means that the agent selects action randomly in the learning. Hence, the agent needs large number of iteration of learning for accomplishing a task. In this paper adopts the Boltzmann selection to Deep Q Network. Finally, our algorithm has been applied to 2 kinds of arcade learning environment tasks, and results showed that our algorithm is better than ordinary Deep Q Network. |
| ■版 型 |
A4 |
|
|
|
