BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【中止】第42回 強化学習アーキテクチャ勉強
 会
X-WR-CALNAME:【中止】第42回 強化学習アーキテクチャ勉強
 会
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:742967@techplay.jp
SUMMARY:【中止】第42回 強化学習アーキテクチャ勉強会
DTSTART;TZID=Asia/Tokyo:20190730T191500
DTEND;TZID=Asia/Tokyo:20190730T203000
DTSTAMP:20260420T075833Z
CREATED:20190725T062317Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/74296
 7?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nはじめに\n
 強化学習は環境に柔軟に適応する知能エージェントに
 おける基本機能と考えられます。近年は深層学習など
 のアーキテクチャとして、認識技術と組み合わされて
 自動運転などの実践的な場でつかわれれはじめており
 、さらにロボットなどにおいても今後は適用されてゆ
 くシーンが増えてゆくでしょう、こうした背景から、
 実践的な強化学習や，実世界で動かす強化学習（ロボ
 ット・自動運転），強化学習を部品として組み合わせ
 る（アーキテクチャ），といったトピックについて重
 視し情報共有する場として強化学習アーキテクチャ勉
 強会を開始しました。\n本勉強会において積極的に議
 論に加わっていただき、今後、論文紹介などの形で貢
 献いただけるかたの参加をお待ちしております。\n当
 勉強会の運営方針などについては、https://rlarch.connpass.c
 om/ を御覧ください。\n\nGoogle Group: https://goo.gl/xznKlY （
 注：KlYのIは「L」の小文字です）\nSlack: https://join.slack.c
 om/t/rlarch/shared_invite/MjM2Mzc3MDE1MzYyLTE1MDQ2MjIzNDItNjFmNmU2NWJlYg\
 nTwitter: #rlarch 勉強会のハッシュタグを作りました．コ
 メントや質問等にご活用ください．\n\n 会場の注意点
 ：\n\nDEEPCORE様のご厚意により，2019年4月から会場がKERNE
 L HONGO（ユニゾ本郷四丁目ビル 3F）となります．\n入室
 の際，参加者の把握のため，受付にて「お名前・ご所
 属・ご連絡先」を記入していただくことになりました
 （名刺をご提出いただく形でも構いません）．\n正面
 口（本郷通り沿い）にロックがかかっている場合があ
 ります． 正面口がロックされている場合には，裏側の
 階段から3階に上がって頂く形になります．\n\nご協力
 の程，よろしくお願いいたします．\nスケジュール\n\n1
 9:15〜19:20  オープニング\n19:20〜20:10  タイトル：タクシ
 ー配車・運行における強化学習活用の現在\n\n講演概要
 ：\n発表者：奥村純（DeNA）\n\n\nタイトル：タクシー配
 車・運行における強化学習活用の現在\n\n\nアブストラ
 クト\n現在、都市の移動需要に対してタクシー配車サ
 ービスの果たす役割が大きくなっている。これらの移
 動需要はラッシュ時などに需給の不均衡をもたらすこ
 とがあり、各プラットフォーマーは最適な配車・運行
 を達成するために様々なアルゴリズムを試行している
 。\n本発表では、タクシーのdispatch（配車オーダーの割
 り当て）やrepositioning（将来配車が期待される場所への
 移動）に着目して、中国発のタクシー配車サービスで
 ある滴滴出行（Didi Chuxing\; DiDi）のAI活用事例を紹介す
 る。特に近年は、タクシー配車・運行を長期の意思決
 定過程とみなし、強化学習の手法で待ち時間や売上を
 最適化する仕組みも稼働しており、強化学習の実アプ
 リケーションとしてもかなり大規模なものとなってい
 る。タクシー領域での課題の紹介とともに、強化学習
 活用の現場について紹介したい。  \n\n\n参考文献\nA Taxi
  Order Dispatch Model based On Combinatorial Optimization (Zhang et al. 2
 017 KDD2017)\nhttps://www.kdd.org/kdd2017/papers/view/a-taxi-order-dispat
 ch-model-based-on-combinatorial-optimization\nLarge-Scale Order Dispatch 
 in On-Demand Ride-Hailing Platforms: A Learning and Planning Approach (Xu
  et al. 2018\; KDD2018)\nhttps://www.kdd.org/kdd2018/accepted-papers/view
 /large-scale-order-dispatch-in-on-demand-ride-sharing-platforms-a-learnin
 g-a\nDeep Reinforcement Learning with Knowledge Transfer for Online Rides
  Order Dispatching (Wang et al. 2018\; ICDM2018)\nhttps://ieeexplore.ieee
 .org/application/enterprise/entconfirmation.jsp?arnumber=8594886\nDeep Q-
 Learning Approaches to Dynamic Multi-Driver Dispatching and Repositioning
  (Holler et al. 2018\; NeurIPS2018 WS)\nhttps://drive.google.com/file/d/0
 B_utB5Y8Y6D5MGdfQktjQXgySDdPeG0wYnFxRnBJNDl3UlhF/view\n\n
LOCATION:KERNEL HONGO 東京都文京区本郷4-1-4 ユニゾ本郷四丁
 目ビル 3F
URL:https://techplay.jp/event/742967?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR