| Item type |
学術雑誌論文 / Journal Article(1) |
| 公開日 |
2018-12-11 |
| タイトル |
|
|
タイトル |
マルコフ決定過程で表現されたロールプレイングゲームにおける攻略法の能動学習 |
|
言語 |
ja |
| タイトル |
|
|
タイトル |
Active Learning Strategy for Role?playing Game Modeled by Markov Decision Processes |
|
言語 |
en |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
ロールプレイングゲーム |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
マルコフ決定過程 |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
能動学習 |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
role-playing game |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
Markov decision processes |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
active leαrning |
| 資源タイプ |
|
|
資源 |
http://purl.org/coar/resource_type/c_6501 |
|
タイプ |
journal article |
| アクセス権 |
|
|
アクセス権 |
open access |
|
アクセス権URI |
http://purl.org/coar/access_right/c_abf2 |
| 著者 |
前田, 康成
後藤, 文太朗
升井, 洋志
桝井, 文人
鈴木, 正清
松嶋, 敏泰
|
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
従来からマルコフ決定過程（MDP）を用いたロールプレイングゲーム（RPG）のモデル化が行われている．しかし，RPGの攻略法を能動的に学習する研究は行われていない．そこで，本研究では，真のパラメータが未知のMDPで表現されたRPGにおける期待総利得をベイズ基準のもとで最大にする攻略法を求める能動的な学習方法を提案する．シミュレーションをとおして，提案方法の有効性を確認する． |
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
In previous research a role-playing game(RPG) is represented with Markov decision processes(MDP). But active learning method for RPG hαs not been studied yet. In this research we propose an active learning method which mαximizes an expected total reward with respect to a Bayes criterion under the condition that the true parameter of MDP is unknown. We recognize the effectiveness of our proρosed method by some simulations. |
| 書誌情報 |
ja : バイオメディカル・ファジィ・システム学会誌
巻 15,
号 1,
p. 69-81,
発行日 2013
|
| ISSN |
|
|
収録物識別子タイプ |
EISSN |
|
収録物識別子 |
2424-2578 |
| DOI |
|
|
|
識別子タイプ |
DOI |
|
|
関連識別子 |
10.24466/jbfsa.15.1_69 |
| 権利 |
|
|
権利情報 |
c 2013 Biomedical Fuzzy Systems Association |
| 出版者 |
|
|
出版者 |
バイオメディカル・ファジィ・システム学会 |
| 著者版フラグ |
|
|
言語 |
en |
|
値 |
publisher |
| 出版タイプ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
マルコフ決定過程で表現されたロールプレイングゲームにおける攻略法の能動学習 (1.3 MB)
