메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
원병선 (서강대학교) 김종락 (서강대학교) 한석원 (삼성SDS)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제30권 제5호
발행연도
2020.10
수록면
406 - 415 (10page)
DOI
10.5391/JKIIS.2020.30.5.406

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 수학적 개념인 인수분해를 이용하여 만든 수학 게임인 인수분해 게임을 소개 및 분석하였다. 또한, 인수분해 게임은 게임 보드 크기 n과 게임 값 p를 조절함으로써 게임의 상태 및 행동의 불확실성을 조절할 수 있다는 장점이 있다. 특히, 만일 n의 값이 커질 경우, 경우의 수가 기하급수적으로 증가함으로 인해 승리 전략이 불확실하다. 이를 강화학습 관점으로 보면 상태와 행동의 불확실성을 의미한다. 따라서 n을 6이하로 설정함으로써 불확실성을 조절한 인수분해 게임 에이전트를 만들었다. 본 논문에서는 강화학습 알고리즘인 Q-learning, Double DQN, 몬테카를로 트리 탐색을 인수분해 게임에 적용해보고, 승률 및 분석을 통하여 학습 진행됨을 보였다. 본 논문에서는 무작위 정책 에이전트와 강화학습을 적용한 인수분해 게임 에이전트와의 대결을 통해 학습 진행에 따른 승률 변화를 관찰하였다.
#합성곱 신경망 #딥 러닝 #강화학습 #몬테카를로 트리 탐색 #인수분해 게임 #Convolutional neural network #Deep learning #Reinforcement learning #Monte Carlo Tree Search #Factorization game

목차

요약
Abstract
1. 서론
2. 인수분해 게임
3. 강화학습
4. 시뮬레이션 및 결과
5. 결론
References

참고문헌 (8)

참고문헌 신청
I. Goodfellow, Y. Bengio, A. Courville, et al., Deep learning, Cambridge: MIT press, 2016. google schola D. Silver, A. Huang, C. J. Maddison, et al., “Mastering the game of Go with deep neural networks and tree search”, nature 529, pp. 484-489, 2016. google schola R. S. Sutton, and A. G. Barto, Reinforcement learning: An introduction, MIT press, 2018. google schola V. Mnih, K. Kavukcuoglu, D. Silver, et al., “Humanlevel control through deep reinforcement learning”, nature 518, pp. 529-533, 2015. google schola H. V. Hasselt, A. Guez, and D. Silver, “Deep reinforcement learning with double q-learning”, AAAI- 16, Phoenix, Arizona, USA, pp. 2094-2100, February 12?17, 2016. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

CNN 기반 몬테카를로 트리 탐색 및 강화학습을 이용한 인공지능 오델로 게임 에이전트
김성현 ,  조영완 한국지능시스템학회 논문지 2020 .02
순수 몬테카를로 트리탐색을 기반으로 한 소형 바둑판에서의 가장 유망한 첫 수들
이병두 한국게임학회 논문지 2018 .12
잡음 있는 데이터 셋에 대한 깊은 행렬 인수분해 모델 신뢰성 평가
조우준 ,  권동섭 한국정보과학회 학술발표논문집 2018 .12
오타쿠에 관한 시대별 특징 연구
조홍미 ,  안병곤 일본문화연구 2012 .04
일본에 있어서 스포츠의 문화성
정성범 일어일문학 2011 .05

최근 본 자료

전체보기

댓글(0)

0