情報処理学会 第75回全国大会講演要旨

部分観測マルコフ決定過程(POMDPs: Partially Observable Markov Decision
Processes)環境において過去の観測の系列を用いることで、同じ観測に対して
複数の行動をとる必要がある場合にもより適切な確率で行動の選択が行える手
法としてPOMDPs環境のための決定的政策を学習するProfit Sharingが提案され
ている。本研究では、POMDPs環境のための決定的政策を学習するProfit
SharingをKFM (Kohonen Feature Map)連想メモリによって実現することで、観
測にノイズが含まれるような環境下でも学習を可能にする。