抄録
G-008
構造獲得型ニューラルネットワークへの強化学習と単純化の導入
◎赤池誠吾（山梨大）・鴫原知希（PASOKA）・服部元信（山梨大）
NEAT(NeuroEvolution of Augmenting Topologies)は，与えられた問題に適するニューラルネットワークの構造や重みを進化的に獲得していく手法であり，ゲームエージェントの制御等で高い評価を得ている．本研究では，NEATの性能を向上させることを目的とし，Direct-Vision-Based強化学習に基づく重みの学習を導入した手法，またこれに加えて，構造の削減とより有用な構造の付加を促進するための処理を導入した手法を提案する．ロボットの制御とボードゲームを用いた計算機実験の結果，提案手法を用いることで従来のNEATよりも優れた性能が得られることが確認できた