保護中: モデルベース型の強化学習(スパースサンプリング、UCT、モンテカルロ探索木)

コメント

1. オンライン学習とオンライン予測あるいは強化学習について | Deus Ex Machina より:

   2022年1月24日 4:29 AM

   […] モデルベース型の強化学習 – スパースサンプリング、UCT、モンテカルロ探索木 […]

   返信
2. モデルフリー型強化学習への価値反復法(Q学習法、SARSA法) | Deus Ex Machina より:

   2022年1月24日 4:33 AM

   […] 次回は、環境モデルを陽に推定し、推定した環境モデルを用いて方策を求めるモデルベース型の強化学習について述べる。 […]

   返信
3. 強化学習での膨大な状態数に対応するための価値関数の関数近似 | Deus Ex Machina より:

   2022年1月28日 5:07 AM

   […] 前回は環境モデルを陽に推定し、推定した環境モデルを用いて方策を求めるモデルベース型の強化学習について述べた。今回は、状態数が膨大であったり、状態空間が連続の場合、これまでの状態ごとに値を持つようなテーブル形式の関数ではテーブルの要素が大きくなりすぎて学習が困難となる。ここでは、価値関数や方策関数を関数近似器を用いて近似して学習することについて述べる。 […]

   返信
4. 様々な強化学習技術の理論とアルゴリズムとpythonによる実装 | Deus Ex Machina より:

   2023年5月30日 4:56 AM

   […] モデルベース型の強化学習 – スパースサンプリング、UCT、モンテカルロ探索木 […]

   返信