徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

授業概要: 2007/自律知能システム

ヘルプを読む

「授業概要」(授業概要のリスト)は,授業の概要を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
150344
EOID
372085
Map
[2006/自律知能システム]
LastModified
2007年12月26日(水) 18:43:32
Operator
大家 隆弘
Avail
TRUE
Censor
0
Owner
[教務委員会委員]/[徳島大学.工学部.知能情報工学科]
Read
継承
Write
継承
Delete
継承
種別 必須 先端技術科学教育部 (授業概要)
入学年度 必須 西暦 2007年 (平成 19年)
名称 必須 (英) Autonomous Intelligent Systems / (日) 自律知能システム / (読) じりつちのうしすてむ
形態 推奨
  1. 講義
コース 必須
  1. 2007/[徳島大学.先端技術科学教育部.システム創生工学専攻.知能情報システム工学コース]/[博士前期課程]
担当教員 必須
  1. 小野 典彦
    肩書 任意 教授([教職員.教員.本務教員]/[常勤])
  2. 最上 義夫
    肩書 任意
単位 必須 2
目的 必須

(英) As effective design methods of autonomous intelligent systems, the reinforcement learning algorithms have received much attention that allow the systems to obtain appropriate decision policies by trial and error even in environments with delayed rewards. This class provides the basic concepts and theories concerning the algorithms as well as their application techniques.

(日) 自律的な知能システムの設計方法論として,報酬に遅れのある環境におかれながらも自らの行動政策を試行錯誤的に最適化可能な強化学習が注目されている.本講義では,強化学習の基本概念,原理および応用方法を修得する.

概要 必須

(英) While top-down approaches to intelligent systems design problems have exposed various limitations, bottom up approaches have been proposed and studied that allow intelligent systems to improve their own performance autonomously and incrementally during the course of interactions with the environments. This class covers those bottom-up approaches mainly focused upon the reinforcement learning algorithms.

(日) 知能システムをトップダウン的に設計しようとする旧来の人工知能研究の限界が明らかとなり,外界との相互作用を通し,その性能を自律的に改善する能力を有する知能システムに関する研究が展開されている.本講義では,強化学習を中心に,そのような自律的な知能システムを設計するための方法論を解説する.

キーワード 推奨
  1. (英) autonomous agents / (日) 自律エージェント / (読) じりつえーじぇんと
    データベース中に適合する可能性のある以下の情報を発見しました
    [キーワード] 自律エージェント (autonomous agents)
  2. (英) emergent systems design / (日) 創発的設計 / (読) そうはつてきせっけい
  3. (英) reinforcement learning / (日) 強化学習 / (読) きょうかがくしゅう
    データベース中に適合する可能性のある以下の情報を発見しました
    [キーワード] 強化学習 (reinforcement learning)
  4. (英) robotics / (日) ロボティクス / (読) ろぼてぃくす
    データベース中に適合する可能性のある以下の情報を発見しました
    [キーワード] ロボティクス (robotics)
  5. (英) multi-agent systems / (日) マルチエージェントシステム / (読) まるちえーじぇんとしすてむ
    データベース中に適合する可能性のある以下の情報を発見しました
    [キーワード] マルチエージェントシステム (multi-agent systems)
先行科目 推奨
  1. 人工知能2([2007/[徳島大学.工学部.知能情報工学科]/[昼間コース]]/->授業概要[2006/人工知能2])
    必要度 任意 0.500000
関連科目 推奨
要件 任意
注意 任意
目標 必須
  1. (英) Recently, bottom-up approaches to the intelligent systems designs problems have been proposed based on various reinforcement learning algorithms. This class aims at the understanding of the theory of the algorithms as well as their potentials and limitations through the applications to small-scale systems design problems.

    (日) 知能システムのボトムアップ的な設計手法の基礎となる種々の強化学習手法の原理を修得すると共に,小規模な知能システムの設計を通して,各手法の性能と限界を理解する.

計画 必須
  1. (英) Introduction

    (日) 序論

  2. (英) Reinforcement learning: basic concepts (1)

    (日) 強化学習の基本概念 (1)

  3. (英) Reinforcement learning: basic concepts (2)

    (日) 強化学習の基本概念 (2)

  4. (英) Basic reinforcement learning algorithms (1)

    (日) 基本的な強化学習 (1)

  5. (英) Basic reinforcement learning algorithms (2)

    (日) 基本的な強化学習 (2)

  6. (英) Basic reinforcement learning algorithms (3)

    (日) 基本的な強化学習 (3)

  7. (英) Reinforcement learning considering application to real-world tasks (1)

    (日) 実環境への応用を考慮した強化学習 (1)

  8. (英) Reinforcement learning considering application to real-world tasks (2)

    (日) 実環境への応用を考慮した強化学習 (2)

  9. (英) Reinforcement learning based on evolution strategies

    (日) 進化戦略に基づく強化学習

  10. (英) Reinforcement learning based on evolutionary computation

    (日) 進化計算に基づく強化学習

  11. (英) Reinforcement learning based on genetic programming

    (日) 遺伝プログラミングに基づく強化学習

  12. (英) Reinforcement learning and robotics (1)

    (日) 強化学習とロボティクス (1)

  13. (英) Reinforcement learning and robotics (2)

    (日) 強化学習とロボティクス (2)

  14. (英) Reinforcement learning and multi-agent systems (1)

    (日) 強化学習とマルチエージェントシステム (1)

  15. (英) Reinforcement learning and multi-agent systems (2)

    (日) 強化学習とマルチエージェントシステム (2)

  16. (英) Report

    (日) 期末レポート

評価 必須

(英) Attendance (30%), report (70%)

(日) 出席(30%),期末レポート(70%) として評価する.

再評価 必須
対象学生 任意 開講コース学生のみ履修可能
教科書 必須
  1. (英) To be introduced in the class.

    (日) 授業中に紹介する.

参考資料 推奨
  1. (英) To be introduced in the class.

    (日) 授業中に紹介する.

URL 任意
連絡先 推奨
  1. 小野 典彦
    オフィスアワー 任意
  2. 最上 義夫
    オフィスアワー 任意
科目コード 推奨
備考 任意

この色で表示されている項目はマップによって参照された内容です