修論研究(武藤)

1. はじめに 

1.1 背景 

1.2 目的 

1.3 本論文の概要 

2. 意思決定モデルにおける予測 

2.2 意思決定によるデータ遷移の例 

2.2 時系列データの予測 

2.3 強化学習 

3. 時系列遷移と逆強化学習 

3.1 オプショングラフ理論 

オプション評価関数 

標準相補性問題(LCP) 

オプション評価導出アルゴリズム 

シミュレーション結果 

3.2 逆強化学習による評価関数の推定 

ガウシアンミックス 

3.3 評価関数の応用 

4. 提案手法 

4.1 提案手法概要(フレームワークの説明) 

4.2 オプショングラフ理論とガウシアンミックスの組み込み 

数式的説明 

4.3 

5. 実験結果並びに考察 

5.1 数値実験の概要 

5.2 実験結果と考察 

6. おわりに 

トップ   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS