Markov decision processとは 意味・読み方・使い方

A Markov decision process is a controllable Markov process with rewards.発音を聞く 例文帳に追加

マルコフ決定過程は報酬を伴う制御可能なマルコフ過程の一つである。 - コンピューター用語辞典

The first state transition probability and prescribed first reward are used to obtain a state value function V^π(s) on the basis of dynamic programming in a Markov decision process.例文帳に追加

第一状態遷移確率及び所定の第一報酬を用いて、マルコフ決定過程における動的計画法に基づき、状態価値関数Ｖ^π（ｓ）を求める。 - 特許庁

The second state transition probability and the second reward are used to obtain action value function Q^π(s, a) and the state value function V^π(s) on the basis of the dynamic programming in the Markov decision process.例文帳に追加

第二状態遷移確率及び第二報酬を用いて、マルコフ決定過程における動的計画法に基づき、行動価値関数Ｑ^π（ｓ，ａ）及び状態価値関数Ｖ^π（ｓ）を求める。 - 特許庁

To provide a method for converting a given continuous state space dynamical system to a Markov decision process (MDP) with discrete states so that an optimum control sequence can be found with respect to MDP and a continuous state space system.例文帳に追加

最適な制御シーケンスをＭＤＦ及び連続状態空間システムについて見つけることができるように、所与の連続状態空間動的システムを離散状態空間を有するマルコフ決定過程（ＭＤＦ）に変換する。 - 特許庁

The Partially Observable Markov decision process (POMDP) is automatically generated, by inputting attribute information such as an EPG (Electronic Program Guide) to be transmitted by broadcasting waves and attribute value data (Attribute-Value) having its value.例文帳に追加

例えば放送波によって送信されるＥＰＧ（Ｅｌｅｃｔｒｏｎｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）など、属性情報とその値を持つ属性値データ（Ａｔｔｒｉｂｕｔｅ−Ｖａｌｕｅ）を入力して部分観測マルコフ決定過程（ＰＯＭＤＰ：Ｐａｒｔｉａｌｌｙ Ｏｂｓｅｒｖａｂｌｅ Ｍａｒｋｏｖ Ｄｅｃｉｓｉｏｎ Ｐｒｏｃｅｓｓ）を自動的に生成する。 - 特許庁

In a natural state action gradient learning method for solving the decision making model using a Markov decision process, in order to solve a problem in which the variance becomes larger with respect to estimation of the NSG and a number of the learning steps are required, an estimation equation of the conventional NSG is observed, it is focused that LSD included therein is expressed in a second-order term.例文帳に追加

マルコフ決定過程を用いる意思決定モデルを解くための自然状態行動勾配学習法において、ＮＳＧの推定に関して分散が大きくなり、多くの学習ステップを要してしまうという問題を解決するために、従来のＮＳＧの推定式を観察して、そこに含まれているＬＳＤが二次の項で表れていることに着目した。 - 特許庁

As for the respective information of a state, action, observation and reward defined in a partially observable Markov decision process(POMDP), a plurality of different factors are respectively set, and a factored POMDP clarifying the relations of those factors is constructed.例文帳に追加

部分観測マルコフ決定過程（ＰＯＭＤＰ：Ｐａｒｔｉａｌｌｙ Ｏｂｓｅｒｖａｂｌｅ Ｍａｒｋｏｖ Ｄｅｃｉｓｉｏｎ Ｐｒｏｃｅｓｓ）において定義される状態（Ｓｔａｔｅ）、行動（Ａｃｔｉｏｎ）、観測（Ｏｂｓｅｒｖａｔｉｏｎ）、報酬（Ｒｅｗａｒｄ）の各情報について、それぞれ複数の異なる要素（ファクタ）を設定し、要素間の関係を明確にしたファクタＰＯＭＤＰ（Ｆａｃｔｏｒｅｄ ＰＯＭＤＰ）を構築する。 - 特許庁