Stable Baselinesとは
投稿日:
概要 Open AIのBaselinesの強化学習を扱い安くしたしたライブラリです。Baselinesは研究と […]
カテゴリー: 強化学習
【論文紹介】PPO
投稿日:
概要 proximal policy optimization (PPO)。policyの最適化手法です。安定 […]
【書籍紹介】強化学習 第10章 強化学習の特徴軸
投稿日:
強化学習を個々の手法の集まりとしてではなく、手法群全体で首尾一貫した考え方の集合として示しています。 統一され […]
【書籍紹介】強化学習 第9章 プランニングと学習
投稿日:
環境モデルを必要とする手法群（動的計画法やヒューリスティック探索など）と、モデルなしに用いることの出来る手法（ […]
【書籍紹介】強化学習 第8章 一般化と関数近似
投稿日:
状態あるいは状態行動対の1つに対して1つのエントリーが対応するようなテーブル形式の推定価値関数を扱ってきました […]
【書籍紹介】強化学習 第7章 適格度トレース
投稿日:
遂に第7章から第3部です！第3部では、第2部で紹介された3種類（動的計画法、モンテカルロ法、TD法）の基本的な […]
【書籍紹介】強化学習 第6章 TD学習
投稿日:
TD学習（時間的差分学習：Temporal Difference Learning）はモンテカルロ法と動的計画 […]
【書籍紹介】強化学習 第5章 モンテカルロ法
投稿日:
モンテカルロ法は経験（experience）のみを必要とします（環境の完全な知識を仮定しない）。この経験という […]
【書籍紹介】強化学習 第4章 動的計画法
投稿日:
ここから遂に第2部具体的な解法に入ります！本書では大きく3つの解法が記載されています。（長所、短所も一緒に） […]
【書籍紹介】強化学習 第3章 強化学習問題
投稿日:
エージェントと環境間のインタフェース 強化学習とは、相互作用から学習して目標を達成する問題の枠組みそのものです […]